TensorSpace.js:用于构建神经网络 3D 可视化应用的框架

栏目: 数据库 · 发布时间: 6年前

TensorSpace.js:用于构建神经网络 3D 可视化应用的框架

TensorSpace.js

Present Tensor in Space

English | 中文

TensorSpace是一套用于构建神经网络3D可视化应用的框架。 开发者可以使用类Keras风格的TensorSpace API,轻松创建可视化网络、加载神经网络模型并在浏览器中基于已加载的模型进行3D可交互呈现。 TensorSpace可以使您更直观地观察神经网络模型,并了解该模型是如何通过中间层 tensor 的运算来得出最终结果的。 TensorSpace 支持3D可视化经过适当预处理之后的 TensorFlow、Keras、TensorFlow.js 模型。

TensorSpace.js:用于构建神经网络 3D 可视化应用的框架

图1 - 使用 TensorSpace 创建的交互式 LeNet 模型

目录

TensorSpace 使用场景

TensorSpace 基于 TensorFlow.js、Three.js 和 Tween.js 开发,用于对神经网络进行3D可视化呈现。通过使用 TensorSpace,不仅仅能展示神经网络的结构,还可以呈现网络的内部特征提取、中间层的数据交互以及最终的结果预测等一系列过程。

通过使用 TensorSpace,可以帮助您更直观地观察并理解基于TensorFlow、Keras或者TensorFlow.js开发的神经网络模型。 TensorSpace 降低了前端开发者进行深度学习相关应用开发的门槛。 我们期待看到更多基于 TensorSpace 开发的3D可视化应用。

  • 交互-- 使用类 Keras 的API,在浏览器中构建可交互的3D可视化模型。

  • 直观-- 观察并展示模型中间层预测数据,直观演示模型推测过程。

  • 集成-- 支持使用 TensorFlow、Keras 以及 TensorFlow.js 训练的模型。

开始使用

安装

  • 第一步: 下载 TensorSpace.js

我们提供了三种下载 TensorSpace.js 的方法,它们分别是 npm、yarn 以及 来自官方网站。

途径 1: NPM

npm install tensorspace

途径 2: Yarn

yarn add tensorspace

途径 3: 官方网站下载

  • 第二步: 安装依赖库

请在使用 TensorSapce.js 之前,引入 TensorFlow.jsThree.jsTween.jsTrackballControl.js 至所需要的 html 文件中,并置于 TensorSpace.js 的引用之前。

<script src="tf.min.js"></script>
<script src="three.min.js"></script>
<script src="tween.min.js"></script>
<script src="TrackballControls.js"></script>
  • 第三步: 安装 TensorSpace.js

将 TensorSpace.js 引入 html 文件中:

<script src="tensorspace.min.js"></script>

模型预处理

为了获得神经网络中间层的运算结果,我们需要对已有的模型进行 模型预处理

基于不同的机器学习库,我们提供了 TensorFlow 模型预处理教程Keras 模型预处理教程 以及 TensorFlow.js 模型预处理教程

使用

在成功安装完成 TensorSpace 并完成神经网络模型预处理之后,我们可以来创建一个3D TensorSpace 模型。

为了简化步骤,请随意使用我们在 HelloWorld 路径下所提供的资源。

我们将会用到 适配 TensorSpace 的预处理模型 以及 样例输入数据(“5”) 作为使用样例来进行说明。所有的源码都可以在 helloworld.html 文件中找到。

首先,我们需要新建一个 TensorSpace 模型实例:

let container = document.getElementById( "container" );
let model = new TSP.models.Sequential( container );

然后,基于 LeNet 网络的结构:输入层 + 2 X (Conv2D层 & Maxpooling层) + 3 X (Dense层),我们可以搭建其模型结构:

model.add( new TSP.layers.GreyscaleInput({ shape: [28, 28, 1] }) );
model.add( new TSP.layers.Padding2d({ padding: [2, 2] }) );
model.add( new TSP.layers.Conv2d({ kernelSize: 5, filters: 6, strides: 1 }) );
model.add( new TSP.layers.Pooling2d({ poolSize: [2, 2], strides: [2, 2] }) );
model.add( new TSP.layers.Conv2d({ kernelSize: 5, filters: 16, strides: 1 }) );
model.add( new TSP.layers.Pooling2d({ poolSize: [2, 2], strides: [2, 2] }) );
model.add( new TSP.layers.Dense({ units: 120 }) );
model.add( new TSP.layers.Dense({ units: 84 }) );
model.add( new TSP.layers.Output1d({
    units: 10,
    outputs: ["0", "1", "2", "3", "4", "5", "6", "7", "8", "9"]
}) );

最后,我们需要载入 经过预处理的 TensorSpace 适配模型 并使用 init() 方法来创建模型对象:

model.load({
    type: "tfjs",
    url: './lenetModel/mnist.json'
});
model.init(function(){
    console.log("Hello World from TensorSpace!");
});

我们可以在浏览器中看到以下模型:

TensorSpace.js:用于构建神经网络 3D 可视化应用的框架

图2 - 所创建的 LeNet 模型 (无输入数据)

我们可以使用我们已经提取好的 手写“5” 作为模型的输入:

model.init(function() {
    model.predict( image_5 );
});

我们在这里将预测方法放入 init() 的回调函数中以确保预测在初始化完成之后进行( 在线演示 )。

点击后面这个CodePen logo来在CodePen中试一下这个例子吧 ~ TensorSpace.js:用于构建神经网络 3D 可视化应用的框架

TensorSpace.js:用于构建神经网络 3D 可视化应用的框架

图3 - LeNet 模型判别输入 “5”

样例展示

  • LeNet

➡ 在线演示

TensorSpace.js:用于构建神经网络 3D 可视化应用的框架

图4 - 使用 TensorSpace 构建 LeNet

  • AlexNet

➡ 在线演示

TensorSpace.js:用于构建神经网络 3D 可视化应用的框架

图5 - 使用 TensorSpace 构建 AlexNet

  • Yolov2-tiny

➡ 在线演示

TensorSpace.js:用于构建神经网络 3D 可视化应用的框架

图6 - 使用 TensorSpace 构建 YOLO-v2-tiny

  • ResNet-50

➡ 在线演示

TensorSpace.js:用于构建神经网络 3D 可视化应用的框架

图7 - 使用 TensorSpace 构建 ResNet-50

  • Vgg16

➡ 在线演示

TensorSpace.js:用于构建神经网络 3D 可视化应用的框架

图8 - 使用 TensorSpace 构建 VGG-16

  • ACGAN

➡ 在线演示

TensorSpace.js:用于构建神经网络 3D 可视化应用的框架

图9 - 使用 TensorSpace 构建 ACGAN 生成网络

  • MobileNetv1

➡ 在线演示

TensorSpace.js:用于构建神经网络 3D 可视化应用的框架

图10 - 使用 TensorSpace 构建 MobileNetv1 生成网络

文档

更新日志

Releases

开发人员

TensorSpace.js:用于构建神经网络 3D 可视化应用的框架 syt123450

:computer: :book:

TensorSpace.js:用于构建神经网络 3D 可视化应用的框架 Chenhua Zhu

:computer:

TensorSpace.js:用于构建神经网络 3D 可视化应用的框架 YaoXing Liu

:computer:

TensorSpace.js:用于构建神经网络 3D 可视化应用的框架 Qi(Nora)

:computer:

联系方式

若有任何疑问,欢迎通过以下方式联系我们:

许可证

Apache License 2.0


以上所述就是小编给大家介绍的《TensorSpace.js:用于构建神经网络 3D 可视化应用的框架》,希望对大家有所帮助,如果大家有任何疑问请给我留言,小编会及时回复大家的。在此也非常感谢大家对 码农网 的支持!

查看所有标签

猜你喜欢:

本站部分资源来源于网络,本站转载出于传递更多信息之目的,版权归原作者或者来源机构所有,如转载稿涉及版权问题,请联系我们

SEO深度解析

SEO深度解析

痞子瑞 / 电子工业出版社 / 2014-3-1 / CNY 99.00

《SEO深度解析》以SEO从业人员普遍存在的疑问、经常讨论的问题、容易被忽视的细节以及常见的错误理论为基础,对SEO行业所包含的各方面内容进行了深入的讨论,使读者更加清晰地了解SEO及操作思路。内容分为两类:一类为作者根据自己真实、丰富的SEO经验对SEO所涉及的各种问题进行详细的讨论,主要包括SEO 基础原理剖析、SEO实操思路方法、常用工具数据剖析、竞争对手分析案例实操、网站数据分析思路指导、......一起来看看 《SEO深度解析》 这本书的介绍吧!

HTML 压缩/解压工具
HTML 压缩/解压工具

在线压缩/解压 HTML 代码

Markdown 在线编辑器
Markdown 在线编辑器

Markdown 在线编辑器

RGB HSV 转换
RGB HSV 转换

RGB HSV 互转工具