TensorWatch机器学习调试和可视化工具
TensorWatch 是一个调试和可视化工具,专为 Microsoft Research 的数据科学,深度学习和强化学习而设计。 它适用于Jupyter Notebook,可显示机器学习培训的实时可视化,并为您的模型和数据执行其他几项关键分析任务。
TensorWatch旨在灵活且可扩展,因此您还可以构建自己的自定义可视化,UI和仪表板。 除了传统的“所见即所见”方法外,它还具有针对您的实时ML培训流程执行任意查询的独特功能,作为查询结果返回流并使用以下方式查看此流 您选择的可视化工具(我们称之为惰性日志记录模式)。
TensorWatch 正在大力发展,其目标是通过一个易于使用,可扩展和可破解的软件包提供调试机器学习的平台。
获取:
pip install tensorwatch
示例代码:
import tensorwatch as tw
import time
# streams will be stored in test.log file
w = tw.Watcher(filename='test.log')
# create a stream for logging
s = w.create_stream(name='metric1')
# generate Jupyter Notebook to view real-time streams
w.make_notebook()
for i in range(1000):
# write x,y pair we want to log
s.write((i, i*i))
time.sleep(1)
评论
Netron机器学习模型可视化工具
Netron是神经网络、深度学习与机器学习模型的可视化工具。Netron支持 ONNX (.onnx, .pb, .pbtxt)、Keras (.h5, .keras)、CoreML (.mlmode
Netron机器学习模型可视化工具
0
TDBTensorFlow 可视化调试工具
TensorDebugger(TDB)是深度学习调试器,使用断点和计算机图形化实时数据流可视化扩展TensorFlow(谷歌的深度学习框架)。视频示例特别的是,TDB是一个Python库和一个Jupy
TDBTensorFlow 可视化调试工具
0
Facets机器学习数据集可视化工具
Facets是Google开源的一款可视化工具,帮助理解、分析和调试ML数据集。Facets包含两个部分——FacetsOverview和FacetsDive,允许用户以不同的粒度查看其数据的整体图像
Facets机器学习数据集可视化工具
0