TensorBoard：TensorFlow集成可视化工具GitHub官方项目：https://github.com/tensorflow/tensorflow/tree/master/tensorflow/tensorboardTensorBoard涉及的操作通常在训练庞大的深度神经网络和难以理解的操作方面很复杂。为了更容易理解、调试和优化TensorFlow程序，谷歌发布了一套名为TensorBoard的可视化工具。您可以使用TensorBoard显示您的TensorFlow图像、绘制图像生成的定量指标并附加数据。TensorBoard设置完成后应该是这样的：输入以下命令启动tensorboard：tensorboard--logdir=/path/to/log-directory这里的参数logdir指向SummaryWriter序列化数据的存放路径。如果logdir目录的子目录包含来自另一次运行的数据，TensorBoard将显示来自所有运行的数据。TensorBoard运行后，您可以通过在浏览器中键入localhost:6006来查看TensorBoard。进入TensorBoard界面后，会在右上角看到导航标签，每个标签会展示一组可视化的序列化数据集。对于您查看的每个选项卡，如果TensorBoard中没有与该选项卡关联的数据，则会显示提示，指导您如何序列化关联数据。TensorFlow图计算功能强大且复杂，图可视化在理解和调试时非常有帮助。更多详情请参考：【TensorFlow中文社区】TensorBoard：视觉学习【TensorFlow中文社区】TensorBoard：图形可视化【极客学院】TensorBoard：视觉学习Netscope：支持Caffe的神经网络结构在线可视化工具官网：http：//ethereon.github.io/netscope/quickstart.htmlGitHub项目：https://github.com/ethereon/netscope“一个基于网络的工具，用于可视化神经网络架构（或技术上，任何有向无环图）。它目前支持Caffe的prototxt格式。”Netscope是一款在线可视化工具，支持prototxt格式描述的神经网络结构，可以用来可视化Caffe结构中prototxt格式的网络结构，使用非常简单。打开这个地址http://ethereon.github.io/netscope/#/editor复制你描述神经网络结构的prototxt文件到编辑框，按shift+enter，就可以直接显示the网络结构图形化。例如，以mnist的Lenet和imagenet的AlexNet网络结构为例，将Caffe中的caffe/examples/mnist/lenet_train_test.prototxt和caffe/models/bvlc_alexnet/train_val.prototxt文件内容分别复制到左侧编译框，按shift+进入，马上可以得到可视化的结构图，各层的具体参数等，如下：Netscope给出的几种常见CNN网络结构示例：AlexKrizhevsky、IlyaSutskever、GeoffreyHintonCaffeNet|YangqingJia、EvanShelhamer等。阿尔。全卷积网络——三流|JonathanLong、EvanShelhamer、TrevorDarrell克里斯蒂安·塞格迪等。阿尔。网络中的网络|MinLin,QiangChen,ShuichengYanVGG16层|KarenSimonyan,AndrewZisserman以上网络的prototxt源文件参见：https://github.com/ethereon/netscope/tree/gh-pages/presets。使用python/draw_net.py绘制网络模型python/draw_net.py，这个文件是用来绘制网络模型的，即将网络模型由prototxt改为图片。在画图之前，需要先安装两个库。1、安装GraphViz$sudoapt-getinstallGraphViz注意这里使用apt-get安装，不是pip。2.安装pydot$sudopipinstallpydot使用pip安装，不是apt-get。安装好后，就可以调用脚本来画图了。draw_net.py在执行时，需要三个参数：第一个参数：网络模型的prototxt文件；第二个参数：保存图片的路径和名称；第二个参数：--rankdir=x，x有四个选项，分别是LR、RL、TB、BT。用来表示网络的方向，从左到右，从右到左，从上到小，从下到上。默认为LR。示例：绘制Lenet模型$sudopythonpython/draw_net.pyexamples/mnist/lenet_train_test.prototxtnetImage/lenet.png--rankdir=BT参考阅读：Netscope：支持Caffe的神经网络结构在线可视化工具Caffe学习系列（18）：绘制网络模型Caffe学习系列——工具：神经网络模型结构可视化深度网络设计可视化工具NeuralNetworkPlayground官网：http://playground.tensorflow.orgGitHub项目：https://github.com/tensorflow/playgroundDeepplayground是神经网络的交互式可视化，使用d3.js使用typescript编写。PlayGround是一个以图形方式在线演示和实验简单神经网络的平台，用于教学目的，它非常强大地可视化神经网络的训练过程。参考阅读：【知识】谁能详细解释一下TensorFlowPlayground展示的神经网络概念？【博客】结合TensorFlowPlayGroundConvnetJS讲解简单神经网络原理官网：http://cs.stanford.edu/people/karpathy/convnetjs/GitHub项目：https://github.com/karpathy/convnetjsConvNetJS是一个Javascript库，用于完全在您的浏览器中训练深度学习模型（神经网络）。打开一个标签，你就在训练。没有软件要求，没有编译器，没有安装，没有GPU，没有汗水。一些在线演示MNIST数字上的卷积神经网络CIFAR-10上的卷积神经网络玩具二维数据玩具一维回归在MNIST数字上训练自动编码器深度Q学习强化学习演示ImagePaintinggression(")SGD/Adagrad/Adadelta在MNIST上的比较更多信息，请关注官网和GutHub项目README。WEVI官网：wevi:wordembeddingvisualinspectorGitHub项目：https://github.com/ronxin/wevi具体参考：wevi:WordEmbeddingVisualInspectorCNNVis文章来源：TowardsBetterAnalysisofDeepConvolutionalNeuralNetworksarxiv.org/abs/1604.07043具体参见：可以帮助你更好的理解和分析深度卷积神经网络。今天要解读的是一个新的可视化工具——CNNVis，看完就能上手！摘要：深度卷积神经网络(CNN)被用于许多模式识别任务。但是，由于对深度模型的工作原理缺乏很好的理解，因此高质量深度模型的开发依赖于大量尝试。在本文中，提出了一种可视化分析系统CNNVis，以帮助机器学习专家更好地理解、分析和设计深度卷积神经网络。
