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!
neural-networks
deep-learning
conv-neural-network
Марк Остерланд
источник
источник
Ответы:
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.
Их функция автоматического ML будет автоматически генерировать модель нейронной сети.
источник
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:
Надеюсь это поможет!
источник
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 .
источник
Да, в Apple App Store для Mac есть новый визуальный редактор для небольших нейронных сетей, который называется «Neural Network Designer».
источник
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 Эннуи
Вот пример визуализации
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.
источник