百度數據可視化實驗室正式成立,發布深度學習可視化平臺 Visual DL

2021-01-21 雷鋒網

開發

企業:百度

操作:發布深度學習可視化平臺Visual DL

內容:

雷鋒網 AI 科技評論消息,1 月 16 日,百度 ECharts 團隊發布旗下知名開源產品 ECharts 的最新 4.0 版本,並宣布品牌升級為「百度數據可視化實驗室」(http://vis.baidu.com/)。除了這兩大消息外,團隊還正式發布深度學習可視化平臺 Visual DL,以及其他一系列重量級產品,包括 ECharts GL 1.0 正式版,ZRender 4.0 全新版本,WebGL 框架 ClayGL 等。

百度數據可視化實驗室的產品矩陣如下圖所示,內容涵蓋基礎庫、各種可視化產品以及應用產品。

在官網中,百度數據可視化實驗室分享了其發展和規劃:

基於基礎的可視化規範,依託 ZRender、ClayGL 基礎庫,實現了強大的 ECharts、ECharts GL。

以 ECharts 為核心,整合 MapV 等完善的數據可視化產品,並針對各類場景、各種需求開發了圖說、Gallery、插件等完善的應用產品。

從基礎到框架到上層應用,可紮實、強大、便捷的滿足一切數據可視化需求。

據雷鋒網(公眾號:雷鋒網) AI 科技評論了解,ECharts 為使用 JavaScript 實現的開源可視化庫,可以流暢的運行在 PC 和行動裝置上,兼容當前絕大部分瀏覽器,底層依賴輕量級的矢量圖形庫 ZRender,提供直觀,交互豐富,可高度個性化定製的數據可視化圖表。可以看到,ECharts 團隊從單一的技術產品研發團隊一舉進化為推進可視化工作的聯盟。

百度 ECharts 團隊高級技術經理祖明在知乎專欄中也介紹道,

新成立的百度數據可視化實驗室,希望能夠依託完善的產品支撐及豐富的經驗,致力於提供更強大的數據可視化產品、參與數據可視化規範的制定、積極參與可視化基礎知識的推廣、傳播數據可視化學術界及業界的研究成果及解決方案,和廣大夥伴一同推動數據可視化行業的發展。

除了宣布品牌升級,此次涉及到的多個產品更新如下:

全新 ECharts 4.0

從 ECharts 官網可以看到,升級為 4.0 版本之後,ECharts 的特性變得更加豐富:

豐富的可視化類型

多種數據格式無需轉換直接使用

千萬數據的前端展現

移動端優化

多渲染方案,跨平臺使用

深度的交互式數據探索

多維數據的支持以及豐富的視覺編碼手段

動態數據

絢麗的特效

通過 GL 實現更多更強大絢麗的三維可視化

無障礙訪問

具體細節,大家可以前往官網詳細了解:http://echarts.baidu.com/

深度學習可視化平臺 Visual DL

在此次的更新中,深度學習可視化平臺 Visual DL (https://github.com/PaddlePaddle/VisualDL)為 ECharts 團隊與百度 PaddlePaddle 共同打造。據悉,ECharts 團隊自 2017 年起就與 PaddlePaddle 團隊進行了深度合作。

據 ECharts 團隊介紹,他們希望通過可視化的方法將模型訓練過程中的各個參數以及計算的數據流圖實時地展現出來,以幫助模型訓練者更好地理解、調試、優化模型。

用戶只需要通過 Visual DL 提供的接口將模型相關的各種參數數據寫入日誌中,然後 Visual DL 會讀取日誌中的模型相關數據將其展示出來,這些數據包括模型訓練過程中的各種定量的度量、用戶傳入的或者中間訓練過程生成的各種圖片、以及神經網絡訓練過程中的計算數據流圖。

從該項目的 GitHub 上可以看到部分可視化案例:

下圖是對參數分布和張量進行可視化:

下圖是對張量和中間生成的圖像進行可視化:

下圖是展示訓練過程中錯誤的出現趨勢:

ECharts GL 1.0正式版

ECharts GL 是強大的高性能 WebGL 可視化解決方案,能滿足大屏、VR 及 AR 高質量的展示需求。據雷鋒網 AI 科技評論了解,在此次的正式版中,修復了之前大量的穩定性問題,完善了文檔。新增功能有如下四點:

集成 Mapbox 地理可視化組件:

(圖片來源:IFE)

支持洋流風場等向量場的可視化:

(圖片來源:IFE)

新增建築群可視化的組件:

(圖片來源:IFE)

更多的二維加速組件:

(圖片來源:IFE)

該項目 GitHub 地址:https://github.com/ecomfe/echarts-gl

ZRender 4.0 版本升級

ZRender 是二維繪圖引擎,它提供 Canvas、SVG、VML 等多種渲染方式。ZRender 也是 ECharts 的渲染器。

據祖明在其知乎專欄介紹,

作為 ECharts 的底層渲染庫,ZRender 承擔起了抹平平臺差異、封裝技術細節、提高渲染性能等責任。在此次發布的 4.0 版本中,SVG 渲染的支持使得 ZRender 的渲染能力有了進一步提升。

他也表示,ZRender 以基本圖形元素為核心,提供了矩形、圓形、扇形、多邊形、折線段、貝賽爾曲線等十多種基本圖形,並支持圖形直接的組合與剔除,最終以 Canvas、SVG 或VML 的形式輸出,並且支持交互處理。

下圖為用 ZRender 繪製的一個實例:

下面的例子創建了一個圓心在 [150, 50] 位置,半徑為 40 像素的圓,並將其添加到畫布中:

var circle = new zrender.Circle({
   shape: {
       cx: 150,
       cy: 50,
       r: 40
   },
   style: {
       fill: 'none',
       stroke: '#F00'
   }});zr.add(circle);

該項目 GitHub 地址:https://github.com/ecomfe/zrender

高性能漸進式 WebGL 框架 ClayGL

ClayGL 是一個高性能 WebGL 框架,能夠幫助用戶快速搭建可視化、三維模型展示、交互廣告等 Web3D 的應用,提供 Canvas、SVG、VML 等多種渲染方式。

據 ECharts 團隊介紹,ClayGL 作為 ECharts GL 的底層 WebGL 支持框架,2017 年已經在手機百度中成功落地了三維模型展示的應用,充分驗證了產品的可靠性。

下圖為在 DOTA 2 中的案例:

該項目的 GitHub 地址如下:https://github.com/pissang/claygl

總結

百度數據可視化實驗室在產品矩陣研發上,從底層到應用實現全面覆蓋, 如基礎的 ZRender、ClayGL,以及 ECharts、ECharts GL 解決方案,另外還有一系列數據可視化產品如圖說、Gallery 等。

而在產業領域合作上,該實驗室牽手 PaddlePaddle 團隊,推出 Visual DL 深度學習可視化工具,對於深度學習的發展具有極大的促進作用。深度學習可視化工具對於用戶理解、調試和共享模型的結構有重大意義,能幫助大家更好地優化和調節網絡。

在學術交流合作和教育學習培訓上,百度數據可視化實驗室還表示,依託於完善的產品支撐及豐富的經驗,本持開放、賦能的核心價值觀,他們會鼎力參與到可視化基礎知識的推廣、傳播數據可視化行業經驗等事情上,並積極參與高校的分享和交流活動。

目前他們在北京大學、清華大學、浙江大學等高校都有過相關交流與合作,也在積極推動教育培訓,如打造 ECharts & WebVR 學院、在知乎建立可視化專欄「漂亮得不像實力派的可視化」。

相信該實驗室未來會在打造可視化解決方案、加深產業領域合作、促進學界和業界的交流、推動教育培訓上給我們帶來更多驚喜。

(完)

雷鋒網版權文章,未經授權禁止轉載。詳情見轉載須知。

相關焦點

  • 一句話生成可視化圖表 百度智能雲Sugar重磅發布AI問答功能
    近日,百度智能雲BI與數據可視化平臺Sugar重磅發布AI問答功能,用戶只需將想知道的數據問題輸入至提問框,AI問答這個數據管家就可以實時地用圖形化的方式給出答案。一、百度智能雲Sugar解放數據可視化開發人力隨著數據正式成為生產資料,大數據時代的企業經營者們越來越重視數據在企業降本增效上起到的現實作用,大屏可視化需求也正在逐步擴大:一些監控中心、指揮調度中心需要依據實時數據快速做出決策;電商平臺在大促活動時需要對外公布實時銷售數據。
  • 淺談數據可視化
    我主要進行了少量數據處理和系統可視化部分,在這個過程中,覺得數據可視化是一個非常迷人的話題,這過程中也了解了很多相關的資料,學習了一些基礎的工具,在這裡分享給大家,也是為自己做一個整理和記錄。1、什麼是數據可視化?
  • 數據可視化的一些思考丨從三個問題看數據可視化的商業前景
    數據可視化的需求場景是什麼?一種場景是「看」,數據可視化的主要作用是展示匯報,是信息的獲取。比如前不久RayData團隊為央視頻打造的生態可視化交互管理系統,以及在央視現場的工作區,利用RayData Web做出來的環形可視化大屏,都是為了讓管理者、運營者、業務人員更好地獲取相關信息。另一種場景是「用」,數據可視化的主要目的是交互管理,是數據的應用。
  • 可視化工具不知道怎麼選?深度評測5大Python數據可視化工具
    作者 | 劉早起來源 | 早起Python(ID: zaoqi-python)相信很多讀者學習Python就是希望作出各種酷炫的可視化圖表,當然你一定會聽說過Matplotlib、Pyecharts、Seaborn、Plotly、Bokeh這五大工具,本文就將通過真實繪圖來深度評測這五個Python數據可視化的庫,看看到底這幾種工具各有什麼優缺點
  • 大公司都是怎麼做數據可視化規範的
    如何從中啟發來構建自己的數據可視化設計指南?企業或組織進行數據可視化時,需要用數據可視化設計指南來規範信息表示形式。通常包括是什麼(圖表的類型有哪些?)、為什麼(如為什麼使用這個顏色?)和怎麼做(如用什麼工具設計?)。如果涉及到一些設計工具,如Excel、R、D3.js或Tableau,可視化指南還會提供一個模板來演示如何應用。
  • 海洋數據三維可視化
    海洋數據可視化平臺指通過海洋信息三維可視化技術,實現海洋信息數據的可視化。海洋數據可視化是科學管理海洋數據的重要組成部分,它能夠將無法直接查看的數據以直觀的圖形方式展示出來,提高海洋數據研究利用能力,能提髙數據訪問效率及安全性。
  • 人工智慧黑盒揭秘:深度神經網絡可視化技術
    雲腦科技自主研發的 Deepro 深度學習平臺利用可視化技術,集成了最前沿的各類深度神經網絡可視化組件,分析與顯化內部隱藏結構與模型輸出的關係,解決「黑盒」難題。結語李開復在題為《人工智慧的黃金時代》的萬字演講中提到,深度學習有四點挑戰,分別是平臺化、數據、計算及可解釋性。人工智慧的黃金時代已經到來,深度學習已經在圖像,語音,大數據,自動駕駛等諸多領域佔絕對優勢。相較而言,模型可解釋性的研究還處於起步階段。
  • 深度學習黑盒可視化指南,從隱藏層開始
    隱藏層不直接接受外界的信號,也不直接向外界發送信號,因而如何認識隱藏層內部的工作原理和運行機制,也成為深度學習研究中的一大挑戰。可視化隱藏層是其中的一個解決方法,那如何做到呢?簡而言之,可以將神經網絡的學習方法理解為類似於新生兒通過一段時間的觀察和聆聽來學習辨認父母的方式。一旦神經網絡接收到相當大的所需數據集後,該網絡就會使用其精確的知識「權重」來證明或識別未知數據樣本上的模式。讓我們來思考一下關於面部識別的任務,網絡開始分析來自輸入層圖像的各個像素。在輸入層之後,「隱藏層」反覆學習識別幾何形狀和特徵,這些幾何形狀和特徵由眼睛、嘴唇、疤痕等特定的特徵構成。
  • 西安到北京無人駕駛_西安交通大學無人駕駛實驗室 - CSDN
    美國調研機構發布最新無人駕駛技術排行榜,百度居中遊,蘋果特斯拉墊底。Google證實已在深圳開設新辦公室,就在1個月前,Google剛剛宣布將在中國成立首個人工智慧實驗室。百度發布百度輸入法8.0新版本,採用第二代深度尖峰技術,增加了語音速記和AR表情兩大功能。原百度研究院院長林元慶創立的AI整體解決方案公司Aibee (愛筆智能) 宣布獲得1.65億元人民幣天使輪融資。
  • 中華白海豚信息實現可視化管理!大數據展示平臺正式啟用
    近日,中華白海豚大數據展示平臺正式啟用,中華白海豚救護管理、科研合作、科普宣教,邁上新臺階。據悉,為提升中華白海豚保護工作智能化、信息化水平,充分利用網際網路+新技術,整合保護區管理單位以及相關科研教學機構的數據成果,廣東珠江口中華白海豚國家級自然保護區管理局組織相關單位聯合攻關,經過一年多的努力,完成中華白海豚種群資源資料庫和大數據展示平臺建設。
  • 大數據時代可視化新聞的特點及發展趨勢
    關鍵詞:可視化新聞 數據 新聞編輯 新聞團隊 深度報導   一 可視化新聞的發展歷程     2009年3月,英國《衛報》成為全球第一個成立數字新聞部的報紙。《衛報》的數字新聞部針對新聞選題搜集分析海量數據,在收集、過濾、分析數據後,通過圖表、地圖或互動效果圖等形式進行數據可視化轉化,從而完成視覺化新聞敘事過程。從此,可視化新聞正式進入讀者視線。《衛報》專業記者利用政府公開數據,做出「2012倫敦奧運會數據圖表」「你快樂嗎?」「BBC是如何開支的」「英國人死亡的原因」「中國人每年有多長時間度假」等大量高質量的視覺圖表新聞。
  • 大數據可視化技術的挑戰及應對措施
    這給數據可視化研究與應用帶來一系列新的挑戰。   數據可視化這一概念自1987年正式提出,經過30餘年的發展,逐漸形成3個分支:科學計算可視化(scientific visualization)、信息可視化(information visualization)和可視分析(visual analytics)。
  • 重磅 | 百奧智匯推出單細胞RNA大數據可視化平臺OmniBrowser:收錄癌症等多個領域近1500個數據集,為藥物研發賦能
    導語:近日,百奧智匯正式推出單細胞RNA測序大數據可視化平臺——
  • 從數據可視化到交互式數據分析
    有些人可能認為,為了向計算機發出指令,必須學習某種程式語言,但在實踐中,許多交互系統使用交互規範方法,將用戶操作轉換成計算機能夠理解的語句,這對於用戶操作來說更自然。交互式規範系統做得很好的一個是Tableau中使用的VizQL語言(VizQL language),它將用戶的選擇轉換成系統能夠理解的正式語句,並用於生成查詢和適當的可視化表示。
  • 大數據在航天領域的應用:航空航天可視化系統
    航天在研製、運行和發布成果的全過程中,都會產生大數據和要求應用大數據。數據既是航天理論的基礎,又是航天實踐的基石。航天其總量多,要求高,對大數據要求及時而精確、高可靠性和高價值。:1.大範圍可視化空間:覆蓋全球,乃至宇宙空間;支持離線部署全球衛星/電子地圖及地形高程數據。
  • 嵌入式BI應用案例:金麒麟數據可視化分析平臺(集成ERP、MES)
    嵌入式BI應用案例:金麒麟數據可視化分析平臺(集成ERP、MES) 嵌入式BI應用案例:金麒麟數據可視化分析平臺(集成ERP、MES) 2020-12-02 15:16:45  來源:網際網路
  • 數據可視化的基本流程
    數據可視化不是簡單的視覺映射,而是一個以數據流向為主線的一個完整流程,主要包括數據採集、數據處理和變換、可視化映射、用戶交互和用戶感知。一個完整的可視化過程,可以看成數據流經過一系列處理模塊並得到轉化的過程,用戶通過可視化交互從可視化映射後的結果中獲取知識和靈感。
  • 藍π螞蟻氣象數據可視化解決方案正式上線
    中國氣象報記者王敬濤 通訊員武蓓蓓報導 「可以隨時調用包括雷達回波圖、衛星雲圖、氣象觀測資料等在內的實時數據,只要一兩秒鐘就可以顯示出相關的氣象圖形;可以以細膩的動畫、炫麗的色彩、鮮明生動的方式呈現專業氣象服務產品,使公眾獲得直觀感受。」日前,由華風氣象傳媒集團創新網絡技術有限公司傾力打造的「藍π螞蟻」氣象數據可視化解決方案正式上線。
  • 「天問一號」正式徵程,航天可視化共築「航天夢」
    2020年7月23日,我國首次火星探測任務天問一號探測器成功發射,「天問」徵程,正式開啟。探索浩瀚宇宙,發展航天事業,建設航天強國,是我們不懈追求的航天夢。回首中國整個航天發展歷程,從「東方紅一號」成功發射,到載人航天,到月球探測,到北鬥問天…這一切,都見證著中國航天事業每一步的騰飛和跨越。
  • 國家首個人工智慧實驗室成立 百度肩負國家AI使命
    李彥宏「中國大腦」建議落地  得益於深度學習系統的發展,人工智慧取得了前所未有的進展,「深度學習技術及應用國家工程實驗室」將成為首個國家級的人工智慧工程實驗室。李彥宏對實驗室的揭牌表示熱烈祝賀,他說,百度四年前成立IDL研究室,2年前提出中國大腦的提案,現在承建國家人工智慧工程實驗室。