点击下方卡片，关注“CVer”公众号

AI/CV重磅干货，第一时间送达

行早 发自 凹非寺
来源：量子位（QbitAI）

神经网络在工作的时候，里面到底是什么样？

为了能透视这个“AI黑箱”中的过程，加拿大蒙特利尔一家公司开发一个3D可视化工具Zetane Engine。

只需要上传一个模型，Zetane Engine就可以巡视整个神经网络，并且还可以放大网络中的任何一层，显示特征图，看清流水线上的每一步：

△图注：卷积层的特征图（左）和特征图的3D可视化（右）

目前Zetane Engine不同系统的版本都可以在GitHub中找到（安装包见文末链接），话不多说，来看看Zetane Engine具体的用法吧~

可视化AI工作流程

首先，我们需要上传一个模型，例如一个识别手写数字的神经网络，输入的图片是一个手写的“2”：

上传之后，Zetane Engine就绘制出了一条“流水线”，每一层神经网络就像一个个工作间：

从输入到卷积，再到连接、激活、池化：

这些个小工作间的进展也是透明的，不信我们聚焦到一个卷积层工作间，点这个图片形状的按钮：

然后这个卷积层的所有特征图都会在上面显示出来，卷积数值的不同体现为颜色的不同，蓝紫色代表数值较小，红黄色代表数值较大：

只有这些还不够，高能现在才刚开始，注意图片按钮右边九个点形状的按钮了吗？

点击它，Zetane Engine会在界面右边展示出一个工具栏，把刚才显示在卷积层上面的图片呈现出各种各样的形式~

其中有排列成三维立体的、标注卷积结果数值的，以及纯数值的应有尽有：

二维视角
三维视角
标注卷积结果的平面图
纯卷积结果的数值平面图

这样的“工作报告”，谁看了不喜欢？不仅能够可视化地看到卷积过程，还可以调出每一个像素点上的卷积结果。

这还没完，这种多角度的图像处理在连接层、激活层、池化层等工作间也同样适用：

△图注：激活层特征图

△图注：池化层特征图

一整个看下来，神经网络的工作流程都清清楚楚：

到了最后的全连接输出层，模型会输出一个十列的一维向量（下图右边），用来判断手写数字是0-9的哪一个。

在这个例子中，模型给出了可能性最高的就是数字2。

怎么样？有了这样可视化的工具，是不是感觉AI模型不再是一个黑箱了？

Zetane Engine用法速览

Zetane Engine不同系统的版本（Windows、Linux、Mac）都可以在GitHub中找到。

这里我们简单介绍一下Zetane Engine的界面和启动台，方便大家快速熟悉。

打开之后界面是比较简洁的，只有左上角和右上角有一些按钮。我们先看左上角。

上传模型的按钮在启动台左上角Z字标志这里，Zetane Engine支持ONNX、Keras（.h5)以及ZTN三种模型文件。

Z字按钮旁边两个按钮依次是启动模型和清除模型：

如果手头上还没有模型也没关系，点击界面右上角的Z形图标可以到Zetane Engine的模型库中下载模型：

△图注：Zetane Engine的模型库

另外在启动台SNAPSHOTS按钮这里也有一些经典模型可以选择：

感兴趣的同学可以从文末链接中找到Zetane Engine的下载包，来试试吧~

参考链接：

[1]https://github.com/Zetane/viewer
[2]https://www.youtube.com/watch?v=J3Zd5GR_lQs

上述神器下载后台回复：View，即可下载该工具

ICCV和CVPR 2021论文和代码下载

后台回复：CVPR2021，即可下载CVPR 2021论文和代码开源的论文合集

后台回复：ICCV2021，即可下载ICCV 2021论文和代码开源的论文合集

后台回复：Transformer综述，即可下载最新的3篇Transformer综述PDF

CVer-Transformer交流群成立

扫码添加CVer助手，可申请加入CVer-Transformer 微信交流群，方向已涵盖：目标检测、图像分割、目标跟踪、人脸检测&识别、OCR、姿态估计、超分辨率、SLAM、医疗影像、Re-ID、GAN、NAS、深度估计、自动驾驶、强化学习、车道线检测、模型剪枝&压缩、去噪、去雾、去雨、风格迁移、遥感图像、行为识别、视频理解、图像融合、图像检索、论文投稿&交流、PyTorch和TensorFlow等群。

一定要备注：研究方向+地点+学校/公司+昵称（如Transformer+上海+上交+卡卡），根据格式备注，可更快被通过且邀请进群

▲长按加小助手微信，进交流群

▲点击上方卡片，关注CVer公众号

整理不易，请点赞和在看