文件名称：keras-vis：用于keras的神经网络可视化工具包
文件大小：43.42MB
文件格式：ZIP
更新时间：2024-02-23 22:45:12
visualization machine-learning theano deep-learning tensorflow
Keras可视化工具包 keras-vis是用于可视化和调试已训练的keras神经网络模型的高级工具包。 当前支持的可视化包括： 激活最大化 显着图 类激活图 默认情况下，所有可视化都支持N维图像输入。 即，它推广到模型的N维图像输入。 该工具包通过干净，易于使用和可扩展的界面将上述所有问题归纳为能量最小化问题。 与theano和tensorflow后端兼容，具有“ channels_first”，“ channels_last”数据格式。 快速链接 阅读位于的文档。 日语版为 。 加入闲暇来提问/讨论。 我们正在中跟踪新功能/任务。 如果您愿意帮助我们并提交PR，将非常乐意。 入门 在图像反向传播问题中，目标是生成使某些损失函数最小化的输入图像。 设置图像反向传播问题很容易。 定义加权损失函数 在中定义了各种有用的损失函数。 可以通过实现来定义自定义损失函数。 from vis . losses import ActivationMaximization from vis . regularizers import TotalVariation , LPNorm fil
【文件预览】：
keras-vis-master
----MANIFEST.in(44B)
----.gitattributes(61B)
----ISSUE_TEMPLATE.md(678B)
----images()
--------opt_progress.gif(13.48MB)
--------attention_vis()
--------conv_vis()
--------dense_vis()
----examples()
--------vggnet()
--------resnet()
--------mnist()
----CONTRIBUTING.md(1KB)
----.travis.yml(2KB)
----pytest.ini(440B)
----vis()
--------callbacks.py(3KB)
--------utils()
--------input_modifiers.py(4KB)
--------grad_modifiers.py(1KB)
--------regularizers.py(4KB)
--------backend()
--------__init__.py(0B)
--------optimizer.py(8KB)
--------losses.py(3KB)
--------backprop_modifiers.py(1KB)
--------visualization()
----LICENSE(1KB)
----setup.cfg(67B)
----setup.py(805B)
----README.md(7KB)
----resources()
--------imagenet_class_index.json(35KB)
----docs()
--------update_docs.py(1KB)
--------md_autogen.py(14KB)
--------__init__.py(0B)
--------mkdocs.yml(1KB)
--------README.md(518B)
--------templates()
----tests()
--------vis()
----applications()
--------self_driving()
----.gitignore(151B)