中国学者实现CNN全程可视化，详尽展示每次卷积、ReLU和池化过程

本文经AI新媒体量子位（公众号ID:qbitai）授权转载，转载请联系出处

本文约900字，建议阅读5分钟。

本文带你一张图看懂CNN。

标签：人工智能技术

CNN是什么？美国有线电视新闻网吗？

每一个对AI抱有憧憬的小白，在开始的时候都会遇到CNN（卷积神经网络）这个词。

但每次，当小白们想了解CNN到底是怎么回事，为什么就能聪明的识别人脸、听辨声音的时候，就懵了，只好理解为玄学：

好吧，***解决不了的问题，有人给解决了。

这个名叫CNN解释器在线交互可视化工具，把CNN拆开了揉碎了，告诉小白们CNN究竟是怎么一回事，为什么可以辨识物品。

它用TensorFlow.js加载了一个10层的预训练模型，相当于在你的浏览器上跑一个CNN模型，只需要打开电脑，就能了解CNN究竟是怎么回事。

而且，这个网页工具还可以实现交互，只要点击其中任何一个格子——就是CNN中的“神经元”，就能显示它的输入是哪些、经过了怎样细微的变化。

甚至，连每一次卷积运算都能看得清。

这个CNN解释器的使用方式也非常简单：鼠标戳戳戳就好了。

单击神经元，进入弹性解释视图，就可以看到卷积核滑动的过程的动画模拟：

点击一个正在卷积的过程图，就可以看到更具体的过程：

可以看到底层的卷积运算过程，3×3的卷积核是如何经过运算被变成1个数字的。

点击一个ReLU层的神经元，可以看具体过程，ReLU函数是这样工作的：

点击一个池化神经元，也可以看具体最大池化层是怎样工作的：

点击最右侧的输出神经元，进入弹性解释视图：

可以查看Softmax函数的详情：

CNN解释器默认有10张图片，你也可以增加自己的自定义图片。

比如这个：

芝士焗灯笼椒？灯笼椒披萨？还是什么鬼？

复制图片链接或者上传图片之后，它经过了10层处理，得出结论：

是灯笼椒，但也可能是臭虫。

但是，只能归类于右侧原有的10个品类里，比如放一只狸克：

就会被识别成espresso。

最后，这个CNN解释器的作者是一位中国小哥，佐治亚理工的Zijie Wang，去年刚开始读机器学习博士，本科毕业于威斯康星大学麦迪逊分校，是一位GPA 3.95/4.00的大学霸。

他也曾经做过一些其他有趣的数据可视化项目，比如威斯康星大学麦迪逊分校的中国本科生都来自哪里：

CNN解释器：https://poloclub.github.io/cnn-explainer/

GitHub：https://github.com/poloclub/cnn-explainer

论文：

https://arxiv.org/abs/2004.15004

\编辑：于腾凯

校对：林亦霖

—完—