（给
Python开发者
加星标，提升Python技能
）
来源：量子位
做计算机
视觉，离不开CNN。
可是，卷积、池化、Softmax……究竟长啥样，是怎样相互连接在一起的？
对着代码凭空想象，多少让人有点头皮微凉。于是，有人干脆用Unity给它完整3D可视化了出来。
比如随着epoch（迭代次数）的变化，训练过程中各层出现的实时变化。
为了能更清楚地展示网络细节，用户还可以在其中自由地折叠、扩展每个层。
对全连接层进行边绑定（edge bunding）等等。
这样的可视化图像，可以通过加载TensorFlow的检查点来构建。
“要是能在训练的时候看到这个过程，再长时间我也能忍啊。”
据他介绍，之所以创建这样一个CNN可视化工具，是因为他自己初学神经网络时，经常觉得很难理解卷积层之间是如何相互连接，又如何与不同类型的层连接的。
而该工具的主要功能包括，卷积、最大池化和完全连接层的可视化表示，以及各种能实现更清晰可视化的简化机制等等。
总而言之，就是想让初学者通过最直观的方式，来get到CNN的重点。
如何用Unity搞出一个3D网络
在正式上手Unity前，作者先在Houdini软件中，搭建了一个可视化的3D网络原型。
也就是说，先给Unity版3D网络提供一个搭建思路，提前准备好实现展示卷积计算的方法、特征图的形状、边绑定的效果等问题。
由于之前并没有用过Unity，作者先学习了着色器和过程式几何相关的知识。
这里面，作者发现了一些局限性，他采用的是Unity为着色器开发的语言Shaderlab，这个语言无法使用着色变化，只有对语义进行预定义的变量，才能让它在顶点、几何和像素着色器之间传递。
而且，它无法任意分配顶点属性，只有位置、颜色、UV等预定义属性。（可能这也是3D网络无法实时改变颜色的原因之一）
在研究了一些实例化（instancing）相关的概念后，作者计划采用几何着色器的方法生成神经网络的连线。其中起点和终点被传递到顶点着色器，并直接转发到几何着色器。
这些线，最多可以由120个顶点组成，因为Unity允许的几何着色器能创建的变量的标量浮点数为1024。
