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。
网络机器人Java编程指南
美 Heaton J. / 电子工业出版社 / 2002-7 / 44.00元
这是一本研究如何实现具有Web访问能力的网络机器人的书。该书从Internet编程的基本原理出发，深入浅出、循序渐进地阐述了网络机器人程序Spider、Bot、Aggregator的实现技术，并分析了每种程序的优点及适用场合。本书提供了大量的有效源代码，并对这些代码进行了详细的分析。通过本书的介绍，你可以很方便地利用这些技术，设计并实现网络蜘蛛或网络信息搜索器等机器人程序。 适合于具有一起来看看 《网络机器人Java编程指南》 这本书的介绍吧!
