社會(huì)因?yàn)榇髷?shù)據(jù)的加入而變得更加清楚明了，大數(shù)據(jù)掌握著我們每一個(gè)用戶的喜好需求，在大數(shù)據(jù)的技術(shù)下，市場(chǎng)就在手中，得數(shù)據(jù)者得天下！那在大數(shù)據(jù)的深度學(xué)習(xí)中，大數(shù)據(jù)專家們都用哪些可視化工具呢？聽(tīng)北大青鳥的專家怎么說(shuō)。

首先是ACTIVIS

Facebook 研發(fā)的交互式深度學(xué)習(xí)可視化系統(tǒng)，可以對(duì)生產(chǎn)環(huán)境中的大規(guī)模模型以及器運(yùn)行的結(jié)果進(jìn)行生動(dòng)直觀的呈現(xiàn)。這一系統(tǒng)可以支持四個(gè)方面的可視化。模型架構(gòu)及其對(duì)應(yīng)的計(jì)算圖概覽；用于審視激活情況的神經(jīng)元激活矩陣、以及投影到2D的可視化；可以對(duì)于每一個(gè)實(shí)例結(jié)果進(jìn)行可視化分析；支持增加不同的實(shí)例來(lái)對(duì)不同的實(shí)例、子集、類型的激活模式進(jìn)行比較，尋找誤分類的原因.

第二就是Grad-CAM

Grad-CAM是指Gradient-weighted Class Activation Mapping，研究人員提出利用這種梯度權(quán)重激活映射來(lái)對(duì)卷積神經(jīng)網(wǎng)絡(luò)的分類進(jìn)行解釋，在輸入的圖片中粗略地顯示出模型預(yù)測(cè)出的類別對(duì)應(yīng)的重要性區(qū)間。這種方式可以廣泛試用于CNN模型家族的模型預(yù)測(cè)可視化過(guò)程。

第三是Deep View

研究人員基于Deep View這一可視化工具研究了訓(xùn)練過(guò)程中深度網(wǎng)絡(luò)的進(jìn)化情況。利用判別矩陣和密度矩陣分別評(píng)價(jià)神經(jīng)元和輸出特征圖在訓(xùn)練中的進(jìn)化過(guò)程，總而建立了十分細(xì)致的視覺(jué)分析框架，能夠有效展示模型在訓(xùn)練過(guò)程中局部和全局的特征變化。

第四是LSTMV

遞歸神經(jīng)網(wǎng)絡(luò)特別是長(zhǎng)短時(shí)記憶網(wǎng)絡(luò)是對(duì)于時(shí)序信號(hào)強(qiáng)有力的工具，可以有效的建立和表征時(shí)序輸入的隱含模式。研究人員對(duì)于其中隱藏層隨時(shí)間的變化十分感興趣，這一工作主要聚焦于對(duì)遞歸神經(jīng)網(wǎng)絡(luò)中的隱藏層動(dòng)力學(xué)可視化。用戶可以利用這一工具針對(duì)性的選取輸入范圍并與相同模式的大數(shù)據(jù)集進(jìn)行比較，同時(shí)還可以利用這一工具對(duì)獨(dú)立的模式進(jìn)行統(tǒng)計(jì)分析。

大數(shù)據(jù)火爆進(jìn)行時(shí)，學(xué)習(xí)大數(shù)據(jù)正當(dāng)時(shí)，北大青鳥大數(shù)據(jù)培訓(xùn)的大門一直為你敞開著，讓北大青鳥陪你一起抓住機(jī)遇，挑戰(zhàn)未來(lái)！