经典卷积神经网络（CNN）结构可视化工具

kidsamong 发布于2019-04-25 18:29 / 2027人阅读

摘要：前言本文将介绍一种在线网络工具，可用于可视化各种经典的卷积神经网络结构。其实本文要介绍的工具就是基于开发的，但更像是一个工具包一样，可以方便找到各种经典卷积神经网络的。

前言

本文将介绍一种在线网络工具，可用于可视化各种经典的卷积神经网络结构。学习Caffe的同学，一定很熟悉Netscope。它就是用来可视化Caffe的prototxt文件，那么prototxt文件又是啥呢？

简而言之，prototxt就是定义卷积神经网络结构的文件，有点类似于YOLO的cfg文件。有"固定关键词"，你可以自己定义不同的卷积网络和激活函数等功能。

其实本文要介绍的工具就是基于Netscope开发的，但更像是一个工具包一样，可以方便找到各种经典卷积神经网络的prototxt。

Netscope CNN Analyzer

该在线网络工具提供10多种经典网络的可视化文件，如AlexNet、GoogLeNet、YOLO、ResNet系列和Inception系列等。具体如下图所示：

本文是为了安利这个网站，所以就不对卷积神经网络框架本身来详细介绍了，后面会陆续推出论文详解，敬请期待。为了精简，这里简单以AlexNet和Inception网络为例来介绍。

AlexNet

这里简单列出conv1、norm1、pool1的对应"代码"

1layer {

2 name: "conv1"

3 type: "Convolution"

4 bottom: "data"

5 top: "conv1"

6 param {

7 lr_mult: 1

8 decay_mult: 1

9 }

10 param {

11 lr_mult: 2

12 decay_mult: 0

13 }

14 convolution_param {

15 num_output: 96

16 kernel_size: 11

17 stride: 4

18 weight_filler {

19 type: "gaussian"

20 std: 0.01

21 }

22 bias_filler {

23 type: "constant"

24 value: 0

25 }

26 }

27}

28layer {

29 name: "relu1"

30 type: "ReLU"

31 bottom: "conv1"

32 top: "conv1"

33}

34layer {

35 name: "norm1"

36 type: "LRN"

37 bottom: "conv1"

38 top: "norm1"

39 lrn_param {

40 local_size: 5

41 alpha: 0.0001

42 beta: 0.75

43 }

44}

45layer {

46 name: "pool1"

47 type: "Pooling"

48 bottom: "norm1"

49 top: "pool1"

50 pooling_param {

51 pool: MAX

52 kernel_size: 3

53 stride: 2

54 }

55}

Inception v4

下面就是Inception v4的经典的Inception-A部分，可视化的效果相当好，很容易理解各个隐藏层之间的输入输出及网络的结构。

资源链接：

https://dgschwend.github.io/netscope/quickstart.html

声明：文章收集于网络，如有侵权，请联系小编及时处理，谢谢！

欢迎加入本站公开兴趣群

商业智能与数据分析群

兴趣范围包括各种让数据产生价值的办法，实际应用案例分享与讨论，分析工具，ETL工具，数据仓库，数据挖掘工具，报表系统等全方位知识

QQ群：81035754

服务器托管超融合服务器经典网络迁移工具网络可视化工具卷积神经网络 python卷积网络

文章版权归作者所有，未经允许请勿转载,若此文章存在违规行为，您可以联系管理员删除。

转载请注明本文地址：https://www.ucloud.cn/yun/4807.html

CNN超参数优化和可视化技巧详解

摘要：在计算机视觉领域，对卷积神经网络简称为的研究和应用都取得了显著的成果。文章讨论了在卷积神经网络中，该如何调整超参数以及可视化卷积层。卷积神经网络可以完成这项任务。在深度学习中，有许多不同的深度网络结构，包括卷积神经网络(CNN或convnet)、长短期记忆网络(LSTM)和生成对抗网络(GAN)等。在计算机视觉领域，对卷积神经网络(简称为CNN)的研究和应用都取得了显著的成果。CNN网络最...

Fundebug 2019-04-25 18:17 评论0 收藏0
CNN浅析和历年ImageNet冠军模型解析

摘要：卷积神经网络原理浅析卷积神经网络，最初是为解决图像识别等问题设计的，当然其现在的应用不仅限于图像和视频，也可用于时间序列信号，比如音频信号文本数据等。卷积神经网络的概念最早出自世纪年代科学家提出的感受野。卷积神经网络原理浅析卷积神经网络（Convolutional Neural Network，CNN）最初是为解决图像识别等问题设计的，当然其现在的应用不仅限于图像和视频，也可用于时间序...

edagarli 2019-04-25 18:12 评论0 收藏0
经典卷积概述

摘要：本文内容主要是对一些经典卷积的概述，包括现代的基本构建模块，可变形卷积，组卷积，可控制卷积，等等。此外，群卷积可以更好地学习表示并保证精度。提出了第一个基于空间域的图卷积神经网络，称为图的神经网络。本文内容主要是对一些经典卷积的概述，包括现代CNN的基本构建模块，可变形卷积...

韩冰 2021-10-11 10:58 评论0 收藏0
深度学习调参入门，有哪些技巧？

摘要：本文将分享一些自己关于深度学习模型调试技巧的总结思考以为主。不过以卷积神经网络为代表的深层神经网络一直被诟病，这对于模型在工业界的应用推广还是带来了一定的阻碍。作者杨军，从事大规模机器学习系统研发及应用相关工作。本文将分享一些自己关于深度学习模型调试技巧的总结思考（以CNN为主）。最近因为一些需要，参与了一些CNN建模调参的工作，出于个人习性，我并不习惯于通过单纯的trial-and-er...

Developer 2019-04-25 18:10 评论0 收藏0
从语义上理解卷积核行为，UCLA朱松纯等使用决策树量化解释CNN

摘要：近日，加州大学洛杉矶分校的朱松纯教授等人发布了一篇使用决策树对的表征和预测进行解释的论文。在此论文中，朱松纯等研究者提出了一种新任务，也就是使用决策树在语义层次上来量化解释预测的逻辑。近日，加州大学洛杉矶分校的朱松纯教授等人发布了一篇使用决策树对 CNN 的表征和预测进行解释的论文。该论文借助决策树在语义层面上解释 CNN 做出的每一个特定预测，即哪个卷积核（或物体部位）被用于预测最终的类...

miya 2019-04-25 18:24 评论0 收藏0