Como você visualiza arquiteturas de redes neurais?


80

Ao escrever um artigo / fazer uma apresentação sobre um tópico sobre redes neurais, geralmente se visualiza a arquitetura das redes.

Quais são as maneiras boas / simples de visualizar arquiteturas comuns automaticamente?




1
Escrevi diagramas simples de redes neurais complicadas com uma pesquisa sobre abordagens de visualização de aprendizado profundo (manual e automático). Eu recebi muita inspiração e links desse tópico - thx!
Piotr Migdal

Respostas:


25

Tensorflow, Keras, MXNet, PyTorch

Se a rede neural for fornecida como um gráfico do Tensorflow, você poderá visualizar esse gráfico com o TensorBoard .

Aqui está como a MNIST CNN se parece:

insira a descrição da imagem aqui

Você pode adicionar nomes / escopos (como "desistência", "softmax", "fc1", "conv1", "conv2").

Interpretação

O seguinte é apenas sobre o gráfico esquerdo. Ignoro os 4 pequenos gráficos na metade direita.

Cada caixa é uma camada com parâmetros que podem ser aprendidos. Por inferência, as informações fluem de baixo para cima. Elipses são camadas que não contêm parâmetros aprendidos.

A cor das caixas não tem um significado.

Não tenho certeza do valor das pequenas caixas tracejadas ("gradientes", "Adam", "salvar").


é bom, estou tentando evitar o nome como conv1, conv2 etc, quero fazer todo o nome da conv mais tarde como CONV, como vou fazer ??
Sudip Das

+1. Não é apenas para TF porém: MXNet e Pytorch ter algum apoio muito
Jakub Bartczuk

@SudipDas Você pode adicionar nomes no código às camadas, que serão exibidas à medida que você o traça.
Ben

Como vou mostrar o nome de cada camada como "CONV", se eu escrevê-lo como "CONV" de cada camada, receberei um erro, pois cada camada deve ter um nome único como regras tf, mas eu quero saber, é Existe alguma outra maneira de superar esse problema? @Ben
Sudip Das

1
@onof Corrigi o link
Martin Thoma

23

Recentemente, criei uma ferramenta para desenhar arquiteturas NN e exportar SVG, chamada NN-SVG

insira a descrição da imagem aqui


1
Baixar SVG não funciona
imagem

funciona para mim 1/23/19. Se você ainda estiver com problemas, sinta-se à vontade para abrir um problema.
Alex Lenail 23/01

1
esta é a única resposta certa
ArtificiallyIntelligence

ferramenta incrível. No entanto, notei que no estilo AlexNet, as dimensões dos tensores foram erroneamente representadas (dimensões de largura e altura)
FlySoFast


11

Eu adicionaria visualizações ASCII usando keras-sequential-ascii (aviso: eu sou o autor).

Uma pequena rede para o CIFAR-10 ( deste tutorial ) seria:

       OPERATION           DATA DIMENSIONS   WEIGHTS(N)   WEIGHTS(%)

           Input   #####     32   32    3
          Conv2D    \|/  -------------------       896     2.1%
            relu   #####     30   30   32
    MaxPooling2D   Y max -------------------         0     0.0%
                   #####     15   15   32
          Conv2D    \|/  -------------------     18496    43.6%
            relu   #####     13   13   64
    MaxPooling2D   Y max -------------------         0     0.0%
                   #####      6    6   64
         Flatten   ||||| -------------------         0     0.0%
                   #####        2304
           Dense   XXXXX -------------------     23050    54.3%
         softmax   #####          10

Para o VGG16, seria:

       OPERATION           DATA DIMENSIONS   WEIGHTS(N)   WEIGHTS(%)

          Input   #####      3  224  224
     InputLayer     |   -------------------         0     0.0%
                  #####      3  224  224
  Convolution2D    \|/  -------------------      1792     0.0%
           relu   #####     64  224  224
  Convolution2D    \|/  -------------------     36928     0.0%
           relu   #####     64  224  224
   MaxPooling2D   Y max -------------------         0     0.0%
                  #####     64  112  112
  Convolution2D    \|/  -------------------     73856     0.1%
           relu   #####    128  112  112
  Convolution2D    \|/  -------------------    147584     0.1%
           relu   #####    128  112  112
   MaxPooling2D   Y max -------------------         0     0.0%
                  #####    128   56   56
  Convolution2D    \|/  -------------------    295168     0.2%
           relu   #####    256   56   56
  Convolution2D    \|/  -------------------    590080     0.4%
           relu   #####    256   56   56
  Convolution2D    \|/  -------------------    590080     0.4%
           relu   #####    256   56   56
   MaxPooling2D   Y max -------------------         0     0.0%
                  #####    256   28   28
  Convolution2D    \|/  -------------------   1180160     0.9%
           relu   #####    512   28   28
  Convolution2D    \|/  -------------------   2359808     1.7%
           relu   #####    512   28   28
  Convolution2D    \|/  -------------------   2359808     1.7%
           relu   #####    512   28   28
   MaxPooling2D   Y max -------------------         0     0.0%
                  #####    512   14   14
  Convolution2D    \|/  -------------------   2359808     1.7%
           relu   #####    512   14   14
  Convolution2D    \|/  -------------------   2359808     1.7%
           relu   #####    512   14   14
  Convolution2D    \|/  -------------------   2359808     1.7%
           relu   #####    512   14   14
   MaxPooling2D   Y max -------------------         0     0.0%
                  #####    512    7    7
        Flatten   ||||| -------------------         0     0.0%
                  #####       25088
          Dense   XXXXX ------------------- 102764544    74.3%
           relu   #####        4096
          Dense   XXXXX -------------------  16781312    12.1%
           relu   #####        4096
          Dense   XXXXX -------------------   4097000     3.0%
        softmax   #####        1000

11

Existe um projeto de código aberto chamado Netron

Netron é um visualizador de modelos de redes neurais, aprendizado profundo e aprendizado de máquina.

O Netron suporta ONNX (.onnx, .pb), Keras (.h5, .keras), CoreML (.mlmodel) e TensorFlow Lite (.tflite). A Netron tem suporte experimental para Caffe (.caffemodel), Caffe2 (predict_net.pb), MXNet (-symbol.json), TensorFlow.js (model.json, .pb) e TensorFlow (.pb, .meta).

insira a descrição da imagem aqui



8

Keras

O módulo keras.utils.vis_utils fornece funções utilitárias para plotar um modelo Keras (usando graphviz)

A seguir, é mostrado um modelo de rede em que a primeira camada oculta possui 50 neurônios e espera 104 variáveis ​​de entrada.

plot_model(model, to_file='model.png', show_shapes=True, show_layer_names=True)

insira a descrição da imagem aqui


Posso usá-lo no formato compatível com LaTex?
pushpen.paul 11/07

8

O pacote Python conxpode visualizar redes com ativações com a função net.picture()de produzir imagens SVG, PNG ou PIL como esta:

insira a descrição da imagem aqui

O Conx é construído em Keras e pode ler nos modelos de Keras. O mapa de cores em cada banco pode ser alterado e pode mostrar todos os tipos de bancos.

Mais informações podem ser encontradas em: http://conx.readthedocs.io/en/latest/


6

Eu tenho trabalhado em um visualizador de rede neural de arrastar e soltar (e mais). Aqui está um exemplo de uma visualização para uma arquitetura do tipo LeNet. Uma visualização de uma arquitetura do tipo LeNet Modelos com fan-out e fan-in também são facilmente modelados. Você pode visitar o site em https://math.mit.edu/ennui/


meu navegador continua travando quando pressiona Train
datdinhquoc 25/09

1
Obrigado por conferir. Sim, esse bug apareceu recentemente e parece ser o resultado de algumas alterações recentes no WebGL no Chrome. Tudo deve funcionar no Firefox. Vou atualizá-lo quando souber mais.
Jesse

tks, seu visualizador é incrível, parece maior que o tf playground :)
datdinhquoc 26/09

1
Obrigado! Deixe-me saber se você tem problemas ou idéias. Também temos coisas divertidas, como geração de código!
Jesse

5

Em R, nnetnão vem com uma função de plotagem, mas o código para isso é fornecido aqui .

Como alternativa, você pode usar o pacote melhor e mais recente chamado IMHO, neuralnetque apresenta uma plot.neuralnetfunção, para que você possa fazer:

data(infert, package="datasets")
plot(neuralnet(case~parity+induced+spontaneous, infert))

neuralnet

neuralnetnão é usado tanto quanto nnetporque nneté muito mais antigo e é enviado com r-cran. Mas neuralnetpossui mais algoritmos de treinamento, incluindo retropropagação resistente, que falta mesmo em pacotes como o Tensorflow, e é muito mais robusta às opções de hiperparâmetros e possui mais recursos em geral.


Você deve adicionar o link atualizado para o código da NNet em R beckmw.wordpress.com/2013/11/14/…
wacax

4

Existem alguns novos esforços alternativos na visualização de redes neurais.

Por favor, veja estes artigos:

Impressionantes 'escaneamentos cerebrais de IA' revelam o que as máquinas veem à medida que aprendem novas habilidades

Dentro de um 'cérebro' da IA ​​- Como é o aprendizado de máquina?

Essas abordagens são mais orientadas para a visualização da operação da rede neural, no entanto, a arquitetura NN também é um pouco visível nos diagramas resultantes.

Exemplos:

insira a descrição da imagem aqui

insira a descrição da imagem aqui

insira a descrição da imagem aqui

insira a descrição da imagem aqui


21
Por favor, explique o que vemos aqui. Parece bonito, mas não entendo como as imagens sofisticadas suportam a compreensão do funcionamento da rede.
Martin Thoma 27/03

Não gosto do uso depreciativo do termo "imagens sofisticadas". @Martin
VividD

9
Não tive a intenção de atacar você, mas sua resposta excessivamente defensiva sem responder à minha pergunta fala por si. - Adicionei uma parte de "interpretação" ao diagrama "caixas de lego".
Martin Thoma 28/03

1
A propósito: O segundo link está morto.
Martin Thoma 28/03

4
@MartinThoma É claramente uma arte de dados, não uma visualização de dados (vide lisacharlotterost.github.io/2015/12/19/… ).
Piotr Migdal

3

Não é por si só bacana para trabalhos, mas é muito útil para mostrar às pessoas que não sabem muito sobre redes neurais como pode ser sua topologia. Esta biblioteca Javascript (Neataptic) permite visualizar sua rede:

insira a descrição da imagem aqui




Ao utilizar nosso site, você reconhece que leu e compreendeu nossa Política de Cookies e nossa Política de Privacidade.
Licensed under cc by-sa 3.0 with attribution required.