Существует ли визуальный инструмент для проектирования и применения нейронных сетей / глубокого обучения? [закрыто]

13

Я знаю, что есть много библиотек для машинного обучения и глубокого обучения, таких как caffe, Theano, TensorFlow, keras, ... Но для меня кажется, что я должен знать архитектуру нейронной сети, которую я хочу использовать.

Существует ли (визуальный) инструмент, позволяющий экспериментировать с различными конструкциями сети и применять их к собственным данным?

Я думаю о чем-то вроде TensorFlow Playground , но с n-мерными данными и разными типами слоев.

Заранее спасибо!

Марк Остерланд
источник
Существует также Microsoft Azure ( azure.microsoft.com/en-us/services/machine-learning-studio )
ihebiheb
ANNdotNET ( http://github.com/bhrnjica/anndotnet ) - это инструмент глубокого изучения .NET, в котором есть визуальный дизайнер нейронных сетей. Основной целью проекта является создание, обучение и оценка моделей визуально.
Бржница
Проверьте Matlab Deep Neural Network Designer (версия 2019a). Это замечательный инструмент DL mathworks.com/videos/… ...
Рабах Алобайди

Ответы:

9

Да, существует множество инструментов для проектирования и применения нейронной сети простым перетаскиванием. Одним из них является Deep Learning Studio, разработанная Deep Cognition Inc , их надежная платформа глубокого обучения с визуальным интерфейсом в процессе производства предоставляет комплексное решение для приема данных. , разработка моделей, обучение, внедрение и управление. Пользователи Deep Learning Studio имеют возможность быстро разрабатывать и развертывать решения для глубокого обучения благодаря надежной интеграции с TensorFlow, MXNet и Keras. введите описание изображения здесь

Их функция автоматического ML будет автоматически генерировать модель нейронной сети.

введите описание изображения здесь

Сантош Рэй
источник
7

Для caffe существует сторонний инструмент Expresso ( http://val.serc.iisc.ernet.in/expresso/ ), который предоставляет некоторый графический интерфейс, чтобы помочь вам начать работу.

Кроме того, NVIDIA DIGITS ( https://developer.nvidia.com/digits ) также претендует на звание интерактивного инструмента:

DIGITS упрощает общие задачи глубокого обучения, такие как управление данными, проектирование и обучение нейронных сетей в системах с несколькими графическими процессорами, мониторинг производительности в режиме реального времени с помощью современных визуализаций и выбор наиболее эффективной модели из браузера результатов для развертывания. DIGITS полностью интерактивен, так что специалисты по данным могут сосредоточиться на проектировании и обучении сетей, а не на программировании и отладке.

Надеюсь это поможет!

Ян Кукацка
источник
1

Процесс нахождения оптимальной сетевой архитектуры для вашей задачи является сердцем процесса глубокого обучения - именно здесь вы используете свои предварительные знания для оптимизации производительности.

Честно говоря, я действительно не вижу, как GUI, как вы предложили, мог бы служить этой цели, как:

  • Чтобы иметь возможность оценить данную архитектуру, вам нужно натренировать сеть на ваших данных (с нуля). Для глубоких нейронных сетей это процесс, который может занять некоторое время. Таким образом, если каждый ваш щелчок требует час вычислений, он в значительной степени снимает все преимущества графического интерфейса пользователя.

  • Большинство реализаций (caffe, TensorFlow) имеют такой простой синтаксис, что изменение архитектуры (изменение уровней, настройка гиперпараметров) на самом деле сводится к изменению значения одной строки или константы: для чего вам действительно не нужен графический интерфейс.

Если, с другой стороны, вы ищете более систематический подход к настройке параметров, вы можете прочитать об автоматической настройке параметров .

galoosh33
источник
1

Да, в Apple App Store для Mac есть новый визуальный редактор для небольших нейронных сетей, который называется «Neural Network Designer».

введите описание изображения здесь

Андреас Миллер
источник
1

Я работал над пользовательским интерфейсом нейронной сети с перетаскиванием (Ennui), который обучается в браузере и позволяет пользователям экспортировать Python, сгенерированный кодом. У нас есть различные слои, включая плотные, сверточные, maxpooling, batchnorm и т. Д. Также поддерживается построение разветвленных моделей, таких как ResNets. Мы также реализовали несколько общих визуализаций.

Вот картина ЭннуиБазовая архитектура.

Вот пример визуализации Визуализация СИФАР

Вы можете посетить веб-сайт по адресу https://math.mit.edu/ennui.

Реализация с открытым исходным кодом находится по адресу https://github.com/martinjm97/ENNUI.

Не стесняйтесь обращаться с комментариями или вопросами.

Джесси
источник
ваша программа Ennui с открытым исходным кодом?
Облако Чо
Пока нет, но мы работаем над этим. Мы просто немного очищаем код. Вы думали сделать что-то особенное с этим?
Джесси
Мой интерес к коду. Мне нравится видеть, как сделать интерактивный раздел о структуре нейронной сети. Я видел ваши JS-коды (сохраняя веб-страницу), но коды трудно читать.
Облако Чо
1
Мы запутали код JS. Мы использовали библиотеку d3 для интерактивной части веб-страницы.
Джесси
2
Реализация с открытым исходным кодом опубликована сейчас!
Джесси