文件名称：see-rnn:Keras和TensorFlow中的RNN和常规权重，渐变和激活可视化
文件大小：50KB
文件格式：ZIP
更新时间：2024-05-24 12:29:48
visualization deep-learning tensorflow keras lstm
见RNN Keras和TensorFlow（LSTM，GRU，SimpleRNN，CuDNN等）中的RNN权重，渐变和激活可视化 特征 权重，渐变，激活可视化 内核视觉效果：明确显示内核，循环内核和偏见 闸门视觉：闸门架构（LSTM，GRU）中的闸门已明确显示 频道视觉效果：单元格（特征提取器）已明确显示 通用视觉效果：也适用于CNN和其他方法的方法 体重标准跟踪：对于分析体重下降非常有用 为什么要使用？ 内省是调试，正则化和理解神经网络的强大工具。 这个仓库的方法可以： 监视权重和激活进度-各个阶段如何变化，迭代到迭代 评估学习效果-梯度向后传播的程度 评估层的健康状况-“死亡”或“爆炸”的神经元百分比 跟踪体重衰减-各种方案（例如l2罚则）如何影响体重规范 它可以回答以下问题： 我的RNN正在学习长期依赖吗？ >>监视梯度：如果每个时间步长都流过非零梯度，则每个时间步长都有助于
【文件预览】：
see-rnn-master
----MANIFEST.in(59B)
----.travis.yml(2KB)
----tests()
--------conftest.py(227B)
--------test_all.py(19KB)
--------__init__.py(22B)
--------backend.py(5KB)
----see_rnn()
--------inspect_rnn.py(5KB)
--------utils.py(11KB)
--------inspect_gen.py(30KB)
--------__init__.py(1KB)
--------visuals_gen.py(43KB)
--------visuals_rnn.py(23KB)
--------_backend.py(636B)
--------README.md(3KB)
----test.sh(158B)
----LICENSE(1KB)
----sandbox.py(4KB)
----requirements.txt(16B)
----setup.py(2KB)
----.gitignore(1KB)
----CHANGELOG.md(4KB)
----README.md(15KB)
----requirements-test.txt(88B)