Czy istnieje wizualne narzędzie do projektowania i stosowania sieci neuronowych / głębokiego uczenia się? [Zamknięte]

13

Wiem, że istnieje wiele bibliotek do uczenia maszynowego i dogłębnego uczenia się, takich jak caffe, Theano, TensorFlow, keras, ... Ale wydaje mi się, że muszę znać architekturę sieci neuronowej, z której chcę korzystać.

Czy istnieje narzędzie (wizualne), które pozwala eksperymentować z różnymi projektami sieci i stosować je do własnych danych?

Myślę o czymś takim jak TensorFlow Playground , ale z danymi n-wymiarowymi i różnymi typami warstw.

Z góry dziękuję!

Marc Osterland
źródło
Istnieje również Microsoft Azure ( azure.microsoft.com/en-us/services/machine-learning-studio )
ihebiheb
ANNdotNET ( http://github.com/bhrnjica/anndotnet ) to narzędzie do głębokiego uczenia się w .NET z projektantem wizualnym sieci neuronowej. Głównym celem projektu jest wizualna budowa, szkolenie i ocena modeli.
bhrnjica
Sprawdź Matlab Deep Neural Network Designer (wersja 2019a). Jest to wspaniałe narzędzie DL mathworks.com/videos/…
Rabah Alobaidy

Odpowiedzi:

9

Tak, dostępnych jest wiele narzędzi do projektowania i stosowania sieci neuronowej tylko metodą „przeciągnij i upuść”. Jednym z nich jest Deep Learning Studio Opracowane przez Deep Cognition Inc , ich solidna platforma do głębokiego uczenia z interfejsem wizualnym w produkcji zapewnia kompleksowe rozwiązanie do pobierania danych , opracowywanie modeli, szkolenie, wdrażanie i zarządzanie. Użytkownicy Deep Learning Studio mają możliwość szybkiego opracowywania i wdrażania rozwiązań do głębokiego uczenia się dzięki solidnej integracji z TensorFlow, MXNet i Keras. wprowadź opis zdjęcia tutaj

Ich funkcja auto ML automatycznie wygeneruje model sieci neuronowej.

wprowadź opis zdjęcia tutaj

Santosh Ray
źródło
7

W przypadku caffe istnieje narzędzie innej firmy o nazwie Expresso ( http://val.serc.iisc.ernet.in/expresso/ ), które zapewnia GUI, które pomogą Ci zacząć.

Ponadto NVIDIA DIGITS ( https://developer.nvidia.com/digits ) twierdzi również, że jest narzędziem interaktywnym:

DIGITS upraszcza typowe zadania głębokiego uczenia, takie jak zarządzanie danymi, projektowanie i szkolenie sieci neuronowych w systemach obsługujących wiele procesorów graficznych, monitorowanie wydajności w czasie rzeczywistym za pomocą zaawansowanych wizualizacji oraz wybieranie najlepiej działającego modelu z przeglądarki wyników do wdrożenia. DIGITS jest całkowicie interaktywny, dzięki czemu naukowcy danych mogą skupić się na projektowaniu i szkoleniu sieci, a nie na programowaniu i debugowaniu.

Mam nadzieję że to pomoże!

Jan Kukacka
źródło
1

Proces znajdowania optymalnej architektury sieci dla twojego problemu jest sercem procesu głębokiego uczenia się - w tym miejscu wykorzystujesz swoją wiedzę do optymalizacji wydajności.

Szczerze mówiąc, nie rozumiem, w jaki sposób GUI, jak zasugerowałeś, może służyć temu celowi, ponieważ:

  • Aby móc ocenić daną architekturę, musisz ćwiczyć sieć na swoich danych (od zera). W przypadku głębokich sieci neuronowych jest to proces, który może chwilę potrwać. Więc jeśli każde kliknięcie, które wykonasz, wymaga obliczenia na godzinę, prawie całkowicie wykorzystuje graficzny interfejs użytkownika.

  • Większość implementacji (caffe, TensorFlow) ma tak prostą składnię, że zmiana architektury (zmiana warstw, dostrojenie hiperparametrów) naprawdę sprowadza się do zmiany wartości pojedynczego ciągu lub stałej: nic, do czego tak naprawdę nie potrzebujesz GUI.

Jeśli natomiast szukasz bardziej systematycznego podejścia do biznesu dostrajania parametrów, możesz przeczytać o zautomatyzowanym dostrajaniu parametrów .

galoosh33
źródło
1

Tak, jest nowy edytor wizualny dla małych sieci neuronowych o nazwie „Neural Network Designer”, który jest dostępny w Apple App Store dla komputerów Mac.

wprowadź opis zdjęcia tutaj

Andreas Miller
źródło
1

Pracowałem nad interfejsem użytkownika sieci neuronowej typu „przeciągnij i upuść” (Ennui), który trenuje w przeglądarce i umożliwia użytkownikom eksportowanie wygenerowanego kodu Python. Mamy różne warstwy, w tym gęstą, splotową, maxpooling, batchnorm itp. Obsługiwane jest również budowanie modeli rozgałęzionych, takich jak ResNets. Zaimplementowaliśmy także kilka typowych wizualizacji.

Oto zdjęcie EnnuiPodstawowa architektura.

Oto przykładowa wizualizacja Wizualizacja CIFAR

Możesz odwiedzić stronę internetową https://math.mit.edu/ennui

Implementacja typu open source znajduje się pod adresem https://github.com/martinjm97/ENNUI

Zachęcamy do kontaktowania się z komentarzami lub pytaniami.

Jesse
źródło
czy twój program, Ennui, opensource?
Cloud Cho
Jeszcze nie, ale pracujemy nad tym. Robimy tylko trochę czyszczenia kodu. Czy myślałeś o zrobieniu z tym czegoś konkretnego?
Jesse
Moje zainteresowanie kodem. Chciałbym zobaczyć, jak zrobić interaktywną sekcję na strukturze sieci neuronowej. Widziałem twoje kody JS (zapisując stronę), ale kody są trudne do odczytania.
Cloud Cho
1
Ukryliśmy kod JS. Użyliśmy biblioteki d3 do interaktywnej części strony internetowej.
Jesse
2
Implementacja open source jest już opublikowana!
Jesse