深度跟踪器 swMATH ID: 25889 软件作者： 刘东雨；崔伟伟；凯金；郭玉霄；区华敏 描述： DeepTracker：可视化卷积神经网络的训练过程。深度卷积神经网络（CNN）在各个领域都取得了显著的成功。然而，训练一个优秀的CNN实际上是一个试错过程，需要耗费大量的时间和计算机资源。为了加快培训过程并减少试验次数，专家需要了解培训过程中发生了什么，以及为什么CNN会这样做。然而，目前流行的培训平台，如TensorFlow，只提供了很少的一般信息，例如培训/验证错误，这远远不足以满足这一目的。为了弥合这一差距，并帮助领域专家在实际环境中完成培训任务，我们提出了一个可视化分析系统DeepTracker，以便于探索CNN培训过程的丰富动态，并识别隐藏在大量培训日志背后的异常模式。具体来说，我们结合了层次索引机制和一组层次小倍数，帮助专家从不同的细节层次探索整个训练日志。我们还引入了一种新颖的立方体风格可视化，以揭示多种类型的异构训练数据之间的复杂相关性，包括神经元权重、验证图像和训练迭代。为了演示DeepTracker如何在行业级CNN培训过程中为用户提供有价值的知识，我们进行了三个案例研究，即在我们的案例中，在ImageNet数据集上培训ResNet-50。我们表明，我们的方法可以很容易地应用于其他最先进的“非常深入”的CNN模型。 主页： https://arxiv.org/abs/1808.08531 关键词： arXiv_发布;深度学习;培训过程;多时间序列;可视化分析;相关分析 相关软件： DeepTrack（深度跟踪） 引用于： 1文件 标准条款 1出版物描述软件 年份 DeepTracker：可视化卷积神经网络的训练过程arXiv公司刘东雨；崔伟伟；凯金；郭玉晓；华民区 2018 1位作者引用 1 权俊秀 连载1篇 1 数学成像与视觉杂志 在1个字段中引用 1 信息与通信理论、电路（94-XX） 按年份列出的引文