360度無死角、近距離看「CNN」訓練，是種什么體驗？網(wǎng)友：美得不真實

蕭簫 2021-02-08 13:12:43 來源：量子位

蕭簫 魚羊 發(fā)自 凹非寺
量子位 報道 | 公眾號 QbitAI

做計算機視覺，離不開CNN。

可是，卷積、池化、Softmax……究竟長啥樣，是怎樣相互連接在一起的？

對著代碼憑空想象，多少讓人有點頭皮微涼。于是，有人干脆用Unity給它完整3D可視化了出來。

還不光是有個架子，訓練過程也都呈現(xiàn)得明明白白。

比如隨著epoch（迭代次數(shù)）的變化，訓練過程中各層出現(xiàn)的實時變化。

為了能更清楚地展示網(wǎng)絡細節(jié)，用戶還可以在其中自由地折疊、擴展每個層。

比如將特征圖在線性布局和網(wǎng)格布局之間轉(zhuǎn)換。

折疊卷積層的特征圖輸出。

對全連接層進行邊綁定（edge bunding）等等。

這樣的可視化圖像，可以通過加載TensorFlow的檢查點來構(gòu)建。

也可以在Unity編輯器中設計。

是不是有點鵝妹子嚶那感覺了？

最近，這個項目又在社交媒體上火了起來。

網(wǎng)友們紛紛表示：

“要是能在訓練的時候看到這個過程，再長時間我也能忍啊。”

“求開源。”

該項目的作者，是一位來自維也納的3D特效師。

據(jù)他介紹，之所以創(chuàng)建這樣一個CNN可視化工具，是因為他自己初學神經(jīng)網(wǎng)絡時，經(jīng)常覺得很難理解卷積層之間是如何相互連接，又如何與不同類型的層連接的。

而該工具的主要功能包括，卷積、最大池化和完全連接層的可視化表示，以及各種能實現(xiàn)更清晰可視化的簡化機制等等。

總而言之，就是想讓初學者通過最直觀的方式，來get到CNN的重點。

如何用Unity搞出一個3D網(wǎng)絡

在正式上手Unity前，作者先在Houdini軟件中，搭建了一個可視化的3D網(wǎng)絡原型。

也就是說，先給Unity版3D網(wǎng)絡提供一個搭建思路，提前準備好實現(xiàn)展示卷積計算的方法、特征圖的形狀、邊綁定的效果等問題。

它的節(jié)點編輯器長這樣：

然后，就可以在Unity上搭建3D神經(jīng)網(wǎng)絡了。

首先，需要預設好神經(jīng)網(wǎng)絡的“形狀”。

由于之前并沒有用過Unity，作者先學習了著色器和過程式幾何相關的知識。

這里面，作者發(fā)現(xiàn)了一些局限性，他采用的是Unity為著色器開發(fā)的語言Shaderlab，這個語言無法使用著色變化，只有對語義進行預定義的變量，才能讓它在頂點、幾何和像素著色器之間傳遞。

而且，它無法任意分配頂點屬性，只有位置、顏色、UV等預定義屬性。（可能這也是3D網(wǎng)絡無法實時改變顏色的原因之一）

在研究了一些實例化（instancing）相關的概念后，作者計劃采用幾何著色器的方法生成神經(jīng)網(wǎng)絡的連線。其中起點和終點被傳遞到頂點著色器，并直接轉(zhuǎn)發(fā)到幾何著色器。

這些線，最多可以由120個頂點組成，因為Unity允許的幾何著色器能創(chuàng)建的變量的標量浮點數(shù)為1024。

設計后的網(wǎng)絡形狀，大致長這樣：

然后，就是從模型的TensorFlow代碼中，生成對應的3D神經(jīng)網(wǎng)絡圖像。

其中，Tensorflow-native.ckpt格式的文件，需要存儲重構(gòu)模型圖所需的數(shù)據(jù)、二進制的權重讀取和激活值，以及特定層的名字。

以Cifar10-greyscale數(shù)據(jù)集為例，需要編寫一個檢查點（checkpoint）文件，以及設置隨即初始化的權重。

在那之后，需要加載這些檢查點文件、啟動TensorFlow會話，輸入訓練示例，以便查詢每一層的激活函數(shù)。

然后編寫一個json文件，存儲每一層的形狀、名稱、權重和激活函數(shù)，便于讀取。然后使用權重值，將顏色數(shù)據(jù)分配給各層的Unity Mesh。

最終搞出來的效果，還是不錯的：

作者還錄了個開發(fā)視頻，在文末可以找到地址。

相關研究還不少

事實上，此前已經(jīng)有不少學者，進行過神經(jīng)網(wǎng)絡可視化的研究。

例如，去年5月，一位中國博士就可視化了卷積神經(jīng)網(wǎng)絡，將每一層的變化都展示得非常清楚，只需要點擊對應的神經(jīng)元，就能看見它的“操作”。

這是用TensorFlow.js加載的一個10層預訓練模型，相當于在瀏覽器上就能跑CNN模型，也可以實時交互，顯示神經(jīng)元的變化。

不過，這還是個2D的項目。

目前，也已經(jīng)有人像上面那個神經(jīng)網(wǎng)絡模型一樣，做出了3D的可視化神經(jīng)網(wǎng)絡:

這個項目，同樣用到了邊綁定、光線追蹤等技術，與特征提取、微調(diào)和歸一化相結(jié)合，將神經(jīng)網(wǎng)絡可視化。

這項項目希望能借由這些技術，來估計神經(jīng)網(wǎng)絡中不同部分的重要性。

為此，作者將神經(jīng)網(wǎng)絡的每一部分都用不同的顏色來表示，根據(jù)節(jié)點和節(jié)點在網(wǎng)絡中的重要性，來預測它們之間的關聯(lián)性。

大致的處理過程是這樣的：

如果對于這類3D神經(jīng)網(wǎng)絡可視化感興趣，可以在文末找到對應的開源項目地址。

作者介紹

Stefan Sietzen，現(xiàn)居維也納，此前曾是個3D視覺方向的自由職業(yè)者。

目前，他在維也納工業(yè)大學讀碩，對視覺計算（visual computing）非常感興趣，這個3D神經(jīng)網(wǎng)絡，就是他在碩士期間做的項目之一。

開發(fā)過程：
https://vimeo.com/stefsietz

已開源的3D神經(jīng)網(wǎng)絡項目：
https://github.com/julrog/nn_vis

參考鏈接：
https://www.reddit.com/r/MachineLearning/comments/leq2kf/d_convolution_neural_network_visualization_made/
https://mp.weixin.qq.com/s/tmx59J75wuRii4RuOT8TTg
https://vimeo.com/stefsietz
http://portfolio.stefansietzen.at/
http://visuality.at/vis2/detail.html