【文件属性】：
文件名称：delve:PyTorch和Keras模型训练和图层饱和度监控
文件大小：1.93MB
文件格式：ZIP
更新时间：2021-05-07 03:03:18
visualization pytorch pruning keras-visualization model-training
Delve：实时可视化和评估
Delve是一个Python软件包，用于分析模型的推理动态。
如果您需要一个轻量级的PyTorch扩展，请使用Delve：
让您深入了解架构的推理动态
允许您优化和调整神经网络模型以适应您的数据集，而无需反复尝试
允许您在推理的不同阶段分析数据的本征空间
为您提供实验记录的基本工具
动机
设计深度神经网络是一个反复试验的过程，主要涉及比较不同运行的性能指标。 此开发过程的关键问题之一是度量标准的结果并非很容易传播到具体的设计改进中。 Delve为您提供了频谱分析工具，使您可以在训练时研究模型中推理动态的演变。 这使您可以发现未充分利用和未使用的层。 在其他效率低下的情况下，对象大小与神经体系结构之间的不匹配。 这些观察结果甚至可以在模型完全融合之前直接传播回体系结构中的设计更改，从而实现更快，更进一步的设计过程。
安装
pip install delve
【文件预览】：
delve-master
----setup.py(2KB)
----.gitignore(1KB)
----example_keras.py(1KB)
----images()
--------layer2-saturation.png(83KB)
--------layer-saturation-convnet.gif(717KB)
--------output_screenshot.png(91KB)
--------resnet.PNG(165KB)
--------intrinsic_dimensionality.png(180KB)
--------resnetBetter.PNG(197KB)
--------layer2-intrinsic.png(79KB)
--------example_fc.gif(351KB)
--------spectrum.png(83KB)
--------layer1-saturation.png(81KB)
--------saturation.png(63KB)
--------version.py(22B)
--------intrinsic_dimensionality_layer2.png(155KB)
--------delve_logo.png(6KB)
----requirements.txt(43B)
----example_lstm_generative_vae.py(6KB)
----example_deep.py(3KB)
----.travis.yml(2KB)
----MANIFEST.in(36B)
----.pre-commit-config.yaml(139B)
----LICENSE(1KB)
----HISTORY.rst(386B)
----delve()
--------pca_layers.py(13KB)
--------torchcallback.py(26KB)
--------__init__.py(603B)
--------writers.py(17KB)
--------metrics.py(2KB)
--------tests()
--------kerascallback.py(8KB)
--------tools.py(6KB)
--------version.py(23B)
--------torch_utils.py(3KB)
----setup.cfg(63B)
----example.py(2KB)
----README.md(7KB)
----example_fc.py(2KB)
----example_lstm_class_ae.py(5KB)