hiddenlayer

隱藏器

用於Pytorch，Tensorflow和Keras的神經網絡圖和培訓指標的輕量級庫。

Hiddenlayer簡單，易於擴展，並且與Jupyter筆記本電腦效果很好。它不是打算替換高級工具，例如張量板，而是要替換高級工具太大而無法完成任務的情況。 Hiddlelayer由Waleed Abdulla和Phil Ferriere撰寫，並獲得MIT許可證的許可。

1。可讀圖

使用hiddenlayer在jupyter筆記本或pdf或png文件中渲染神經網絡的圖。請參閱Jupyter筆記本電腦示例，有關Tensorflow，Pytorch和Keras。

這些圖旨在傳達高級體系結構。因此，默認情況下隱藏了低級細節（例如，權重初始化操作，漸變，公共層類型的內部操作，...等）。 Hidden Layerer還將層的常用序列折疊在一起。例如，卷積 - > relu-> maxpool序列非常普遍，因此為簡單起見，它們被合併到一個框中。

自定義圖

隱藏和折疊節點的規則是完全可自定義的。您可以使用graph expressions並transforms來添加自己的規則。例如，該規則將Resnet101的瓶頸塊的所有節點折疊成一個節點。

    # Fold bottleneck blocks
    ht.Fold("((ConvBnRelu > ConvBnRelu > ConvBn) | ConvBn) > Add > Relu", 
            "BottleneckBlock", "Bottleneck Block"),

2。 jupyter筆記本中的培訓指標

如果您在Jupyter筆記本中運行培訓實驗，則可能會發現這很有用。您可以使用它來繪製損失和準確性，權重直方圖或可視化幾層的激活。

外面jupyter筆記本：

您也可以在Jupyter筆記本外使用Hidden Layer。在從命令行運行的Python腳本中，它將為指標打開一個單獨的窗口。而且，如果您在沒有GUI的服務器上，則可以將圖形的快照保存到PNG文件以進行以後的檢查。有關此用例的示例，請參見history_canvas.py。

3。可黑

Hiddenlayer是一個小庫。它涵蓋了基礎知識，但是您可能需要將其擴展到自己的用例中。例如，說您想將模型精度表示為餅圖而不是圖。這可以通過擴展Canvas類並添加新方法來完成：

 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=["Accuracy", ""])

有關示例，請參見pytorch_train.ipynb或tf_train.ipynb。

keras_train.ipynb筆記本包含一個實際培訓示例，該示例說明瞭如何創建自定義Canvas以繪製混亂矩陣與驗證指標：

演示

Pytorch：

• pytorch_graph.ipynb ：本筆記本顯示瞭如何為一些流行的Pytorch型號生成圖形。
• pytorch_train.ipynb ：解釋跟踪和顯示培訓指標。
• history_canvas.py ：一個不使用GUI的隱藏器的示例。

TensorFlow：

• tf_graph.ipynb ：本筆記本說明瞭如何為各種TF Slim模型生成圖形。
• tf_train.ipynb ：用張量指標演示跟踪和可視化訓練指標。
• history_canvas.py ：一個不使用GUI的隱藏器的示例。

凱拉斯：

• keras_graph.ipynb ：本筆記本說明瞭如何為各種keras模型生成圖形。
• keras_train.ipynb ：演示模型圖形，訓練指標的可視化以及如何創建自定義的keras回調，該回調使用子分類的Canvas ，以便在每個訓練時期結束時繪製混淆矩陣。

貢獻

HiddenLayer在MIT許可證下發布。隨意擴展它或根據您的需求進行自定義。如果您發現錯誤，這可能是因為這是早期版本，請進行報告或提交拉動請求。

如果您想貢獻新功能，那麼這裡有一些我們想添加的東西，但從未解決過：

• 支持較舊版本的Python。目前，僅在Python 3.6上進行了測試。
• 優化以支持記錄大型實驗。

安裝

1。先決條件

• 一個。 Python3，Numpy，Matplotlib和Jupyter筆記本。

• b。張量或pytorch

• c。 GraphViz及其Python包裝器生成網絡圖。最簡單的安裝方法是

  如果您使用conda：

  conda install graphviz python-graphviz

  否則：

  • 安裝GraphViz
  • 然後使用PIP安裝用於GraphViz的Python包裝器：

    pip3 install graphviz

2。安裝隱藏器

一個。 github的克隆（開發人員模式）

如果您想在本地編輯或自定義庫，請使用此功能。

 # Clone the repository
git clone [email protected]:waleedka/hiddenlayer.git
cd hiddenlayer

# Install in dev mode
pip install -e .

b。使用PIP（“穩定”釋放）

pip install hiddenlayer

c。直接從GitHub安裝到您的site-packages

如果您只想安裝庫的最新版本，請使用以下內容：

pip install git+https://github.com/waleedka/hiddenlayer.git