你知道輕量級神經網絡可視化的通用框架么？

在搭建網絡的時候，可視化的模型將在很大程度上幫助我們直觀地理解模型結構和數據的流動。那么除了大家常用的Tensorboard外，有木有一種通用又輕量化的可視化包呢？最近一位開發者放出了一個名為Netron的神經網絡可視化包，在三種主流操作系統和瀏覽器端通用，支持包括Tensorflow、caffe2、MXNet等15種常見框架的模型文件可視化，只需要一個輕量級的網頁端就可以打開自己的模型文件進行可視化，整個項目不到2M的輕量級大小，在github上已經獲得了接近三千五百顆星。

我們先來看看里面可視化的模型長什么樣的。下圖是tensorflow中搭建的inception_v3模型局部，左邊是模型中不同的單元及其互相關系，如果單擊某個單元還可以在右邊看到它內部的超參數配置，包括輸入輸出、相關卷積核、數據格式、數據類型、單元命名、stride的長度和padding的類型等等。

這個功能包支持絕大多數神經網絡操作，可以為不同的節點顯示不同的顏色，其中卷積主要用藍色標簽顯示，池化和批歸一化用深綠色而非線性的Relu等在使用了褐色，數學操作則用黑色標簽標示。

那么如何使用呢？開發者提供了macOS、Linux和Windows的應用程序下載，直接安裝即可使用，如果你想馬上就能上手試試，那么直接打開網頁端也是很方便的，可以訪問下面這個網址，上傳自己的模型文件即可看到網絡結構展現在你的面前：

https://lutzroeder.github.io/netron/https://www.lutzroeder.com/ai/netron/如果你喜歡用python搭建模型并進行調優，利用pip安裝并引入到程序中實時通過瀏覽器查看模型的變化也是極好的：pip install netron

安裝完成后直接導入工具包即可：

import netronnetron.start('path/of/your/model')

將會默認在8080創建端口，打開localhost對應端口即可使用。最后，如果你想使用個性化的設置，可以在git上下載源碼修改對應的設置，比如端口號可以在src/__init__.py中修改：

parser.add_argument('--port', help='port to serve (default: 8080)', type=int, default=8080)

可視化各個標簽的顏色字體可以在src/view-grapher.css中找到對應的操作進行修改。修改成自己熟悉的顏色，可以開始愉快的觀看我們的神經網絡了：

其他的工具

事實上除了tensorboard外，還有各種適用于不同模型的可視化工具，例如支持caffe模型的Netscope,也能在網頁端輸出漂亮的可視化模型：

還有一個名為HiddenLayer的工具包，支持PyTroch、Tensorflow和Keras的模型可視化，在沒有安裝tensorboard的云服務上尤其有用，它可以在本地生成模型架構的png圖或者pdf文件，每個節點上標記了詳細的輸入輸出和通道參數，十分方便查看。

它還能實現訓練過程的動態可視化，可以直接在jupyter內使用:

是tensorboard不可用是一個很好的可視化工具包，在很多情況下是一個很好的補充。這幾個工具包各有所長，小伙伴們可以在實際工作中選擇自己需要的工具包來實現可視化，畢竟能看到的網絡調起來心里才更有譜！

ref:netscope：http://ethereon.github.io/netscope/quickstart.htmlhidden:https://github.com/waleedka/hiddenlayerhttps://blog.csdn.net/qq_36955294/article/details/84260961SNE:https://cs.stanford.edu/people/karpathy/cnnembed/deepvis:http://yosinski.com/deepvisDeepVisualization Toolbox:http://yosinski.com/deepvishttps://blog.csdn.net/FreeApe/article/details/72862335visdom:https://blog.csdn.net/yaningli/article/details/88576664tensorboardX:https://github.com/lanpa/tensorboardXhttps://matplotlib.org/faq/usage_faq.html

pic from :https://dribbble.com/shots/3776954-Outco-explainer