内容简介：该项目帮助前端开发人员可视化机器学习模型架构，以及内部功能抽象、中间数据操作和最终推论生成的过程。TensorSpace.js 使用
TensorSpace.js 提供了开源的，基于浏览器的神经网络数据可视化框架，通过支持使用 TensorFlow.js 、 Keras 或 TensorFlow 创建的预先训练好的模型来完善日益增长的机器学习需求。
该项目帮助前端开发人员可视化机器学习模型架构，以及内部功能抽象、中间数据操作和最终推论生成的过程。
TensorSpace.js 使用 Three.js 作为其底层 3D 绘图 API。该项目添加了功能和时序模型的数据可视化，包括 LeNet、AlexNet、YOLOv2、ResNet-50、Vgg16、ACGAN、MobileNetv1、Inceptionv3 等等。可以在 TensorSpace.js Playground 查看各个模型的示例。
TensorSpace 层 提供了一个容器来展示内部层数据和结构的 3D 可视化，包括如密度、扁平化、形变、池化等功能，在某种程度上会让那些使用机器学习 API 工作的人感到很熟悉。
想要开始使用 TensorSpace.js，首先要通过 npm 或 yarn 安装它：
复制代码
npm install tensorspace # or yarnaddtensorspace
然后根据 TensorSpace.js HelloWorld 文档 进行操作，或根据这个 例子使用 CodePen 。
https://codepen.io/syt123450/pen/YRwZGg
最新的 TensorSpace.js 0.2 版本 中添加了很多功能，并修改了一些错误。尽管该项目还没有发布稳定的版本，但是它也提供了一系列有用的机器学习数据可视化工具。
TensorSpace.js 是在 Apache 2 许可证下的开源软件项目。可以通过 TensorSpace.js GitHub 项目 对它作出贡献或反馈，但必须遵守 TensorSpace.js 的贡献指南 。
查看英文原文： TensorSpace.js Delivers Neural Network 3D Visualization Framework
以上所述就是小编给大家介绍的《开源 TensorSpace.js：基于浏览器的神经网络 3D 可视化框架》，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！
猜你喜欢:
- PyTorch可视化卷积神经网络
- 可视化探索卷积神经网络提取特征
- PyTorch可视化理解卷积神经网络
- 通过可视化隐藏表示，更好地理解神经网络
- NeurIPS 2018提前看：可视化神经网络泛化能力
- 通过可视化体验人工智能神经网络工具——TensorFlow PlayGround来认识神经网络
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。
数据挖掘中的新方法：支持向量机
邓乃扬、田英杰 / 科学出版社 / 2004-6-10 / 53.00元
支持向量机是数据挖掘中的一个新方法。支持向量机能非常成功地处理回归问题(时间序列分析)和模式识别(分类问题、判别分析)等诸多问题，并可推广于预测和综合评价等领域，因此可应用于理科、工科和管理等多种学科。目前国际上支持向量机在理论研究和实际应用两方面都正处于飞速发展阶段。希望本书能促进它在我国的普及与提高。 本书对象既包括关心理论的研究工作者，也包括关心应用的实际工作者。对于有关领域的具有高等......一起来看看 《数据挖掘中的新方法：支持向量机》 这本书的介绍吧!
