热门标签 | HotTags
当前位置:  开发笔记 > 编程语言 > 正文

百度上线深度学习可视化工具VisualDL训练结果“所见即所得”

1月17日,百度PaddlePaddle&ECharts团队宣布上线深度学习可视化工具VisualDL,该工具可以使得深度学习任务变得生动形象ÿ

1月17日,百度PaddlePaddle & ECharts团队宣布上线深度学习可视化工具Visual DL,该工具可以使得深度学习任务变得生动形象,实现可视分析。百度希望能够借此为全球更广泛的用户提供更便捷高效的深度学习工具。


目前,大部分深度学习框架都提供了Python的用户界面,其训练过程的状态通常以日记的形式被记录下来,这种方式可以观察短期内的训练状态,但是难以从全局把握训练过程中的变化趋势,导致提取信息时受到较多限制。反观Visual DL,它改变了传统的日记式记录形态,便于用户将训练过程可视化,帮助更好地把控全局。

在具体使用上,Visual DL深度学习可视化工具功能全面。首先,它的“Scalar”功能支持Scalar打点数据展示,可将训练信息以折线图的形式展现出来,方便观察整体趋势,还能在同一个可视化视图中呈现多条折线,方便用户对比分析。其次,Visual DL的“Image”功能支持图片展示,用户可轻松查看数据样本的质量,也可以方便地查看训练的中间结果,例如卷积层的输出或者GAN生成的图片。同时,Visual DL还具有Histogram参数分布展示功能,方便用户查看参数矩阵中数值的分布曲线,并随时观察参数数值分布的变化趋势。最后,Visual DL中的“Graph”还能帮助用户查看深度神经网络的模型结构。据悉,Graph支持直接对ONNX的模型进行预览,由于MXNet,Caffe2,Pytorch和CNTK都支持转成ONNX的模型,这意味着Graph可间接支持不同框架的模型可视化功能,让用户便于排查网络配置的错误,帮助理解网络结构。详情可参照如下可视化案例:

下图是对参数分布和张量进行可视化:

下图是对张量和中间生成的图像进行可视化:

下图是展示训练过程中错误的出现趋势:

Visual DL除了功能全面以外,还具有易集成、易使用等优势。它可提供独立的Python SDK,若用户的训练任务基于Python,可直接安装Visual DL的WHL软件包,随后输入到项目中进行使用,使用方式简单便捷。为了满足用户的不同操作需求,用户在其Python代码中可加入Visual DL日志记录逻辑,启动Visual DL后即可通过浏览器查看日志的可视化结果。此外,Visual DL在底层使用C++编写,提供原生的C++ SDK,用户可将其深入集成到自己C++的项目,以实现更高效的性能。

值得一提的是,Visual DL现已完全开放,同时支持大部分的深度学习框架。其SDK层面可轻松集成到Python或者C++项目中,此外, Graph通过ONNX还可直接支持PaddlePaddle、TensorFlow、MxNet、PyTorch和Caffe2等流行的深度学习框架。对于开发者来说,Visual DL可以将深度学习任务的训练过程可视化,减少用户的观察比对时间,让整个训练过程更高效。

近年来,深度学习受到各领域的大力追捧,在国家层面上,深度学习框架成为了国家人工智能战略的重要组成部分。据悉,百度也在深度学习领域深耕多年,2016年,百度开源PaddlePaddle分布式深度学习平台,并在开源社区Github及百度大脑平台开放,供广大开发者下载使用。百度PaddlePaddle具有易学易用、高效灵活等特征,同时因更适应中国国情而深受中国开发者喜爱。目前,百度PaddlePaddle已在社区活跃度、易学易用及工业应用三方面取得了突破性进展。

不仅如此,百度为了培养更多深度学习人才,不仅组建了PaddlePaddle训练营,为开发者和初创企业提供大量资源,帮助他们的产品行业内部快速落地,同时,还发起了国内首个深度学习教育联盟,全方位支持深度学习人才培养。

百度相关负责人表示,人工智能作为国家战略的一部分,已成为各大行业巨头的必争之地。深度学习作为其中最热门的研究领域,关系到中国人工智能行业整体的发展后劲。百度作为中国领先的人工智能公司,将继续致力于为开发者提供最适合中国国情的开源深度学习平台,及各种深度学习工具等,最大程度地满足中国开发者的需要,让深度学习为各行各业带来巨大变革。




推荐阅读
  • Python 数据可视化实战指南
    本文详细介绍如何使用 Python 进行数据可视化,涵盖从环境搭建到具体实例的全过程。 ... [详细]
  • 本文详细介绍了 Java 网站开发的相关资源和步骤,包括常用网站、开发环境和框架选择。 ... [详细]
  • 探索CNN的可视化技术
    神经网络的可视化在理论学习与实践应用中扮演着至关重要的角色。本文深入探讨了三种有效的CNN(卷积神经网络)可视化方法,旨在帮助读者更好地理解和优化模型。 ... [详细]
  • 精选10款Python框架助力并行与分布式机器学习
    随着神经网络模型的不断深化和复杂化,训练这些模型变得愈发具有挑战性,不仅需要处理大量的权重,还必须克服内存限制等问题。本文将介绍10款优秀的Python框架,帮助开发者高效地实现分布式和并行化的深度学习模型训练。 ... [详细]
  • 使用 Jupyter Notebook 实现 Markdown 编写与代码运行
    Jupyter Notebook 是一个开源的基于网页的应用程序,允许用户在同一文档中编写 Markdown 文本和运行多种编程语言的代码,并实时查看运行结果。 ... [详细]
  • 本文将详细探讨 Python 编程语言中 sys.argv 的使用方法及其重要性。通过实际案例,我们将了解如何在命令行环境中传递参数给 Python 脚本,并分析这些参数是如何被处理和使用的。 ... [详细]
  • H5技术实现经典游戏《贪吃蛇》
    本文将分享一个使用HTML5技术实现的经典小游戏——《贪吃蛇》。通过H5技术,我们将探讨如何构建这款游戏的两种主要玩法:积分闯关和无尽模式。 ... [详细]
  • 本笔记为自用,倘若没有相关的学习基础,也确实无法看懂文章写的是什么。近来有点越学越回去的感觉。竟然突然在想,为什么深度学习模型可以对图像进行分类或者语义分割。可怕的是,当时想到这里 ... [详细]
  • 本文源自Coursera平台吴恩达教授的深度学习课程,重点探讨了卷积神经网络(ConvNets)从二维图像处理向一维信号及三维数据处理的拓展应用。 ... [详细]
  • 自动驾驶中的9种传感器融合算法
    来源丨AI修炼之路在自动驾驶汽车中,传感器融合是融合来自多个传感器数据的过程。该步骤在机器人技术中是强制性的,因为它提供了更高的可靠性、冗余性以及最终的 ... [详细]
  • 分享两个GitHub链接,今天看到的,超赞超赞不能更赞了,答应我一定要去看好吗~~~~不论是笔记还是github中分享的其它资源ÿ ... [详细]
  • 本文介绍了如何使用 Google Colab 的免费 GPU 资源进行深度学习应用开发。Google Colab 是一个无需配置即可使用的云端 Jupyter 笔记本环境,支持多种深度学习框架,并且提供免费的 GPU 计算资源。 ... [详细]
  • 从0到1搭建大数据平台
    从0到1搭建大数据平台 ... [详细]
  • 在2019中国国际智能产业博览会上,百度董事长兼CEO李彦宏强调,人工智能应务实推进其在各行业的应用。随后,在“ABC SUMMIT 2019百度云智峰会”上,百度展示了通过“云+AI”推动AI工业化和产业智能化的最新成果。 ... [详细]
  • 本文详细介绍了跨站脚本攻击(XSS)的基本概念、工作原理,并通过实际案例演示如何构建XSS漏洞的测试环境,以及探讨了XSS攻击的不同形式和防御策略。 ... [详细]
author-avatar
勇_哥6868
这个家伙很懒,什么也没留下!
PHP1.CN | 中国最专业的PHP中文社区 | DevBox开发工具箱 | json解析格式化 |PHP资讯 | PHP教程 | 数据库技术 | 服务器技术 | 前端开发技术 | PHP框架 | 开发工具 | 在线工具
Copyright © 1998 - 2020 PHP1.CN. All Rights Reserved | 京公网安备 11010802041100号 | 京ICP备19059560号-4 | PHP1.CN 第一PHP社区 版权所有