原位 TensorView：卷积神经网络的原位可视化
计算机视觉与模式识别
2018-06-20 v1 人机交互
机器学习
摘要
卷积神经网络（CNNs）是复杂的系统。它们经过训练以调整其内部连接来识别图像、文本等。可视化此类深度人工神经网络内部的动态过程既有趣又有帮助，能使人们理解这些人工网络如何学习和进行预测。在科学模拟领域，诸如 Paraview 之类的可视化工具早已被用于提供洞察与理解。我们提出原位 TensorView，将 CNNs 的训练与运行视作科学模拟系统一般进行可视化。原位 TensorView 是一个松耦合的原位可视化开源框架，提供多种查看器以帮助用户可视化并理解其网络。它利用 Paraview 的协同处理能力，在训练与预测阶段提供实时可视化。这避免了可视化大型动态系统时的沉重 I/O 开销。仅在 TensorFlow 框架中注入少量代码。该可视化可为调整网络架构或压缩预训练网络提供指导。我们展示了使用原位 TensorView 可视化 LeNet-5 与 VGG16 的训练过程。
引用
@article{arxiv.1806.07382,
title = {In situ TensorView: In situ Visualization of Convolutional Neural Networks},
author = {Xinyu Chen and Qiang Guan and Li-Ta Lo and Simon Su and James Ahrens and Trilce Estrada},
journal= {arXiv preprint arXiv:1806.07382},
year = {2018}
}