HiddenLayer：視覺化PyTorch、TensorFlow神經網路圖的輕量級工具！
GitHub連結：https://github.com/waleedka/hiddenlayer
HiddenLayer 非常簡單，易於擴充套件，且與JupyterNotebook 完美相容。開發該工具的目的不是為了取代TensorBoard 等高階工具，而是用在那些無需使用高階工具的用例中（殺雞焉用宰牛刀）。HiddenLayer 由 Waleed Abdulla 和 Phil Ferriere 編寫，已獲得 MIT 許可證。
1. 可讀的圖
使用 HiddenLayer 在JupyterNotebook 中渲染你的神經網路圖，或者渲染 pdf 或 png 檔案。Jupyter notebook 示例請參考以下連結：
-
TensorFlow：https://github.com/waleedka/hiddenlayer/blob/master/demos/tf_graph.ipynb
-
Pytorch：https://github.com/waleedka/hiddenlayer/blob/master/demos/pytorch_graph.ipynb
這些圖用於溝通高階架構。因此，低階細節在預設狀態下是隱藏的（如權重初始化 ops、梯度、一般層型別的內部 ops 等）。HiddenLayer 還將常用層序列疊在一起。例如，Convolution -> RELU -> MaxPool 序列比較常用，為簡單起見，它們被合併在一個盒子裡。
自定義圖
隱藏、摺疊節點的規則是完全可定製的。你可以用 graph expressions 和 transforms 新增自己的規則。例如，使用以下命令可以將 ResNet101 中 bottleneck 塊的所有節點摺疊為一個節點。
# Fold bottleneck blocks
ht.Fold("((ConvBnRelu > ConvBnRelu > ConvBn) | ConvBn) > Add > Relu",
"BottleneckBlock", "Bottleneck Block"),
2.JupyterNotebook 中的訓練度量
在JupyterNotebook 中執行訓練試驗非常有用。你可以繪製損失函式和準確率圖、權重直方圖，或者視覺化一些層的啟用函式。
在JupyterNotebook 之外：
在JupyterNotebook 外同樣可以使用 HiddenLayer。在 Python 指令碼中執行 HiddenLayer，可以開啟度量的單獨視窗。如果你使用的伺服器沒有 GUI，可以將影象截圖儲存為 png 檔案以備後查。該用例示例參見：https://github.com/waleedka/hiddenlayer/blob/master/demos/history_canvas.py。
3. Hackable
HiddenLayer 是一個小型庫。它覆蓋基礎元素，但你可能需要為自己的用例進行擴充套件。例如，如果你想將模型準確率表示為餅圖，就需要擴充套件 Canbas 類，並新增新方法，如下所示：
class MyCanvas(hl.Canvas): """Extending Canvas to add a pie chart method.""" def draw_pie(self, metric): # set square aspect ratio self.ax.axis('equal') # Get latest value of the metric value = np.clip(metric.data[-1], 0, 1) # Draw pie chart self.ax.pie([value, 1-value], labels=["<mark data-type="technologies" data-id="8be77eae-12da-4e9e-9a88-b7f5bae98c2e">Accuracy</mark>", ""])
示例參見：https://github.com/waleedka/hiddenlayer/blob/master/demos/pytorch_train.ipynb 或 https://github.com/waleedka/hiddenlayer/blob/master/demos/tf_train.ipynb。
Demo
PyTorch：
-
pytorch_graph.ipynb：此 notebook 展示瞭如何為一些流行的 PyTorch 模型生成圖。
-
地址：https://github.com/waleedka/hiddenlayer/blob/master/demos/pytorch_graph.ipynb
-
pytorch_train.ipynb：展示瞭如何在 PyTorch 中追蹤和視覺化訓練度量。
-
地址：https://github.com/waleedka/hiddenlayer/blob/master/demos/pytorch_train.ipynb
-
history_canvas.py：在沒有 GUI 的情況下使用 HiddenLayer 的示例。
-
地址：https://github.com/waleedka/hiddenlayer/blob/master/demos/history_canvas.py
TensorFlow：
-
tf_graph.ipynb：此 notebook 介紹瞭如何為不同的 TF SLIM 模型生成圖。
-
地址：https://github.com/waleedka/hiddenlayer/blob/master/demos/tf_graph.ipynb
-
tf_train.ipynb：展示瞭如何在TensorFlow 中追蹤和視覺化訓練度量。
-
地址：https://github.com/waleedka/hiddenlayer/blob/master/demos/tf_train.ipynb
-
history_canvas.py：在沒有 GUI 的情況下使用 HiddenLayer 的示例。
-
地址：https://github.com/waleedka/hiddenlayer/blob/master/demos/history_canvas.py
安裝
1. 先決條件
a. Python3、Numpy、Matplotlib 和JupyterNotebook。
b. 用TensorFlow 或 PyTorch。
c. 用 GraphViz 及其 Python 封裝來生成網路圖。最簡單的安裝方式是：
If you use Conda: ```bash conda install graphviz python-graphviz ``` Otherwise: [Install GraphViz](https://graphviz.gitlab.io/download/)Then install the [Python wrapper for GraphViz](https://github.com/xflr6/graphviz) using pip:```pip3 install graphviz```
2. 安裝 HiddenLayer
A. 從 GitHub 中安裝（開發者模式）
如果要在本地編輯或自定義庫，使用此選項。
# Clone the repository git clone [email protected]:waleedka/hiddenlayer.git cd hiddenlayer # Install in dev mode pip install -e .
B. 使用 PIP
pip install hiddenlayer