還在用PPT做神經網絡架構圖?GitHub2萬星項目,手把手教你從入門到...

2021-01-10 和訊網

  新智元原創

  編輯:白峰、元子

  【新智元導讀】現在搞機器學習的成本越來越低了,熟悉了Python和sklearn、Keras、Pytorch等機器學習框架,就能搭建自己的模型了,可是模型建好後如何解釋給別人聽,難倒了不少人。今天,我們就來介紹兩款開源的機器學習畫圖工具,讓你分分鐘做出精美的可視化。

  新智元的同事身邊有很多做機器學習的同學,他們有個共通點就是:擼代碼時候挺爽的,一旦要將過程和結果可視化的時候,就有點犯怵。

  但無論是涉及到寫論文,還是做演示,或者參加頂會,可視化顯然是一個繞不過去的坎兒。今天我們就為大家介紹兩款可視化工具。

  這兩款工具各有優劣,可以滿足不同場景的需求。

  輕量級PPT模板,即插即用快到飛起

  這個GitHub的項目由一個叫做 dair.ai 的社區創建和維護,主要是提供了一些機器學習常用到的圖形元素。當你需要寫論文、做演講、可視化的時候,就可以拿來用。

  這套模板可以說非常的用心了,常用到的圖形元素都有,甚至還提供了黑白兩套配色。並且鼓勵大家隨意使用,不需要任何授權。

  不過這只是一個ppt模板。所以,當你進行可視化的時候,你需要手動將裡面的元素一個一個的替換成自己的數據。

  有多少智能,就有多少人工,這話一點兒不假。

  當然,相比PPT來說,我還是更喜歡用流程圖軟體或者Sketch來進行可視化,畢竟ppt的學習成本太高了。

  直到我發現了manim!

  如果你看了下面manim做的效果,絕對跟我一樣,再也不想用ppt了!

  告別重複性純體力勞動,manim自動生成驚豔的動畫效果!

  你可能會說,ppt就拖拖拽拽就夠了,這個還得寫代碼,當然,你的網絡結構簡單,也沒有什麼動態需求的話,ppt是可以滿足。但如果你想做出令人驚豔的效果,manim就是你的最佳選擇了。

  manim:一個神奇的數學動畫引擎

  manim 是一個解釋性數學動畫引擎。它由格蘭特 · 桑德森撰寫,並通過他的 YouTube 頻道3Blue1Brown 流行開來。這裡捎帶安利一波3Blue1Brown視頻課程,他製作的人工智慧和數據科學課程不僅通俗易懂,還配了大量精美的解釋動畫,而所有動畫,竟然都是Python代碼生成的!

  你可能有些疑慮,這麼精美的動畫,得寫個幾萬行代碼吧?錯,創建一個解釋動畫從未如此簡單。來,創建個「Hello World」!

  3Blue1Brown火了之後,大家都很好奇,課程我聽懂了,但我想知道你的動畫怎麼做的。好吧,我開源自己的製作工具,manim!

  整個項目不到17M,卻收穫了2萬多星!如何使用manim製作自己想要的數學動畫呢?

  你可以參考這個開源項目,作者精心製作了一系列教程。

  按主題分類的視頻教程:

  看完這個可能還是雲裡霧裡,好像懂了但又無從下手,一個國內開發小哥看完之後,又對教程進行了細化。

  具體到了,點、線、面怎麼定義,每個都有詳細的代碼示例。比如圓,配置一個字典就行,實現了高度的定製化,一次配置,隨處復用!

  當然要做出一個完整的效果還需要熟悉manim的構建流程,不過只要有耐心,一定可以的。

  最後附上一個manim做的動畫,有沒有勾起你的擼碼欲望呢?

 

本文首發於微信公眾號:新智元。文章內容屬作者個人觀點,不代表和訊網立場。投資者據此操作,風險請自擔。

(責任編輯:季麗亞 HN003)

相關焦點

  • ppt怎麼製作筆記本? 手把手教你製作ppt日記本
    ppt怎麼製作筆記本? 手把手教你製作ppt日記本時間:2017-07-16 15:06   來源:三聯   責任編輯:沫朵 川北在線核心提示:原標題:ppt怎麼製作筆記本? 手把手教你製作ppt日記本 ppt怎麼製作筆記本?本文介紹了使用ppt製作日記本的方法,製作方法簡單,一起來學習吧!
  • 一圖抵千言:帶你了解最直觀的神經網絡架構可視化
    神經網絡是複雜、多維、非線性的數組運算。如何在避免過於複雜或重複的情況下呈現深度學習模型架構的重要特徵呢?又該以何種方式清晰直觀、啟發性地呈現它們呢?(好看也是加分項!)無論研究還是教學項目對此都沒有固定標準。本文我們就來了解一下可視化整個神經網絡架構和特定模塊的工具和技巧。
  • ppt中超連結怎麼添加? 手把手教你在ppt中設置超連結
    ppt中超連結怎麼添加? 手把手教你在ppt中設置超連結時間:2017-08-05 13:37   來源:三聯   責任編輯:沫朵 川北在線核心提示:原標題:ppt中超連結怎麼添加? 手把手教你在ppt中設置超連結 ppt中超連結怎麼添加?
  • 【PPT下載】深度學習入門指南!六步構建深度神經網絡
    侯宇濤老師對深度學習的定義、特點、應用以及新入門深度學習開發者的學習路徑進行了深入淺出的介紹。本文是侯宇濤的主講實錄,共計10672字,預計13分鐘讀完。侯宇濤此前還主講了第三講和第五講,主題分別為《不需要寫代碼,如何用開源軟體DIGITS實現圖像分類》和《手把手教你使用開源軟體DIGITS實現目標檢測》。
  • 逆勢而上的技術:圖神經網絡學習來了!
    因此,圖神經網絡在生物學、地圖、金融、搜索、推薦、高能物理學到社會科學和經濟學等領域的複雜關係建模和互動系統構建起到重要作用。例如,在社交軟體 Twitter 和 Facebook 等社交網絡上取得了顯著的成功。
  • CVPR 2019 神經網絡架構搜索進展綜述
    回到「博士生下降」的話題:假設你是個希望解決問題A的導師,你會讓你的學生來想一種該問題的最優架構——那麼,你的學生就是你的搜索算法(聽起來似乎更像奴隸?)。如果你並不是那種泯滅人性的導師(當然也可能你就是那個學生),你可能會首先定義一種搜索空間,這種搜索空間包含定義神經網絡架構的基本構建模塊(block)。
  • 手把手教你用PyTorch實現圖像分類器(第一部分)
    本文的目標不是提供手把手的指導,而是幫助理解整個過程。如果你正在考慮學習機器學習或人工智慧,你將不得不做類似的項目,並理解本系列文章中介紹的概念。文章主要進行概念上的解釋,不需要知道如何編寫代碼。此外,下面所包含的PyTorch細節是次要的,主要以PyTorch作為示例。
  • [獨家]25張圖讓你讀懂神經網絡架構
    原標題:[獨家]25張圖讓你讀懂神經網絡架構 由於新的神經網絡架構無時無刻不在湧現,想要記錄所有的神經網絡是很困難的事情。要把所有這些縮略語指代的網絡(DCIGN,IiLSTM,DCGAN等)都弄清,一開始估計還無從下手。
  • 臺灣大學黃意堯:深度殘差網絡下的弱監督關係抽取 | EMNLP 2017
    圖二,殘差網絡在關係抽取的架構如圖二所示,我們使用擁有兩層卷積網絡的殘差區塊,將淺層網絡的特徵傳到較深層的網絡。在表一,我們可以看到,9 層的殘差網絡,與 state-of-the-art(PCNN+ATT) 的模型,有差不多的結果,並在高順位候選的關係上,有更棒的效能。證明,利用殘差網絡,可以在 distant supervision 的資料庫中,抽取更有用的特徵。
  • 深度學習入門教程:手把手帶你用Numpy實現卷積神經網絡(一)
    雖然好的框架很多,不過自己用Numpy實現一個可以使用的CNN的模型有利於初學者加深對CNN的理解。後面我們將通過一系列文章介紹如何用Numpy從零實現一個可以訓練的CNN簡易網絡,同時對深度學習(CNN)的相關基礎知識進行一些複習,也希望能夠給正在入門的同學一些簡單的歸納。
  • 用飛槳做自然語言處理:神經網絡語言模型應用實例
    但這種方法會有一個很大的問題,那就是前面提到的維度災難,而這裡要實現的神經網絡語言模型(Neural Network Language Model),便是用神經網絡構建語言模型,通過學習分布式詞表示(即詞向量)的方式解決了這個問題。
  • 手把手教你NumPy來實現Word2vec
    圖2—Word2Vec—CBOW和skip-gram模型架構。,Word2Vec——skip-gram的網絡結構擁有了training_data,我們現在可以準備訓練模型了。長按連結點擊打開或點擊底部【手把手教你NumPy來實現Word2vec】:https://ai.yanxishe.com/page/TextTranslation/1317AI研習社每日更新精彩內容,觀看更多精彩內容:雷鋒網
  • 深度學習預測比特幣價格;基於神經網絡的自動化前端開發 | Github...
    這些項目涉及自動化前端開發、中文近義詞處理以及火熱的比特幣等領域,詳細信息和具體代碼實現請閱讀下文。如果你對自己的 AI 項目有足夠的自信,同時也希望更多的開發者參與到你的項目中,歡迎將項目的 Github 連結發給雷鋒網 AI 研習社,說不定下一期推薦的就是你的項目。
  • 華人博士卷積網絡可視化項目火了:點滑鼠就能看懂的掃盲神器
    Convolutional Neural Network,中文譯為「卷積神經網絡」。這個常見但有些深奧的詞彙,只可意會,不能言傳。如果打開教材,會看到這樣一些解釋:卷積層是深度神經網絡在處理圖像時十分常用的一種層。當一個深度神經網絡以卷積層為主體時,我們也稱之為卷積神經網絡。
  • 為什麼要進行圖學習?談一談逆勢而上的圖神經網絡
    相信你一定會說出來一個:圖神經網絡。NeurIPS 2020 | 圖機器學習NeurIPS'20: 80多篇與圖相關的論文整理與小結 (更新中)圖神經網絡說難不難,說容易不容易。如果你還沒有入門,不用著急,站在他人的肩膀上,你會看的輕鬆一點,歡迎參考從下面的學習路線1 Tutorial教程合集(入門必讀)為什麼要進行圖嵌入表示?
  • 從零開始:教你如何訓練神經網絡
    也許你會疑問:當神經元被定義為函數的時候,如何向它傳遞圖片。你應該記住,我們將圖片存儲在計算機中的方式是將它拿一個數組代表的,數組中的每一個數字代表一個像素的亮度。所以,將圖片傳遞到神經元的方式就是將 2 維(或者 3 維的彩色圖片)數組展開,得到一個一維數組,然後將這些數字傳遞到神經元。不幸的是,這會導致我們的神經網絡會依賴於輸入圖片的大小,我們只能處理由神經網絡定義的某個固定大小的圖片。
  • 機器之心GitHub項目:從零開始用TensorFlow搭建卷積神經網絡
    機器之心項目地址:https://github.com/jiqizhixin/ML-Tutorial-Experiment 本文的重點是實現,並不會從理論和概念上詳細解釋深度神經網絡、卷積神經網絡、最優化方法等基本內容。
  • 機器學習初學者入門實踐:怎樣輕鬆創造高精度分類網絡
    下面是兩張圖像樣本:為了實現我們的目標,我們將訓練和應用一個卷積神經網絡(CNN)。我們將從實踐的角度來接近我們的目標,而不是闡釋其基本原理。目前人們對人工智慧有很大的熱情,但其中很多都更像是讓物理學教授來教你自行車技巧,而不是讓公園裡你的朋友來教你。
  • 手把手教你用 Jenkins+K8S 打造流水線環境
    朋友的真實操作流程,使用 Jenkins 和 Kubernetes 完成持續集成和持續部署,有搭建,有入門,手把手教學文檔,幹得擰不出水來,分享一波。 本文作者:孫丹丹,女,單身,DevOps 運維工程師,CKA 認證。
  • 74KB圖片也高清,谷歌用神經網絡打造圖像壓縮新算法
    蕭簫 發自 凹非寺量子位 報導 | 公眾號 QbitAI還在為圖像加載犯愁嗎?最新的好消息是,谷歌團隊採用了一種GANs與基於神經網絡的壓縮算法相結合的圖像壓縮方式HiFiC,在碼率高度壓縮的情況下,仍能對圖像高保真還原。