2022 Python 计算生态九月推荐榜 第55期

22年9月10日 · Python123 2700 人阅读
![]() |
看见更大的世界,遇见更好的自己
See a better world to meet better for ourselves.
“每个模型都是错误的,但有些模型是有用的”,这句话在机器学习中尤其适用,在开发机器学习模型时,应该始终了解在哪里按预期工作以及在哪里失败,理解模型的一个重要方法是通过模型可视化工具。模型可视化工具在构建过程中有助于我们更快地构建更好的模型,在训练过程中观察训练和验证数据中的损失和准确性、权重和偏差、模型图等。通常,我们需要对模型改进的想法进行一些或大量的实验,并且可视化各种 ML 实验之间的差异变得至关重要。 如果您正在寻找可以帮助您可视化机器学习实验和模型的最佳工具,那么您来对地方了。
2022年09月,随着越来越多的模型可视化工具的涌现以及不断成长迭代,好事者特别推荐10款优秀的Python计算生态,帮助您了解Python的模型可视化工具。
VisualDL
飞桨可视化分析工具,以丰富的图表呈现训练参数变化趋势、数据样本、模型结构、PR曲线、ROC曲线、高维数据分布等。帮助用户清晰直观地理解深度学习模型训练过程及模型结构,进而实现高效的模型调优。
https://github.com/PaddlePaddle/VisualDL
TensorBoard
TensorBoard 提供机器学习实验所需的可视化功能和工具:跟踪和可视化损失及准确率等指标、可视化模型图、查看权重、偏差或其他张量随时间变化的直方图、将嵌入投射到较低的维度空间、显示图片、文字和音频数据、剖析 TensorFlow 程序。
https://github.com/tensorflow/tensorboard
tensorboardX
TensorboardX 这个工具使得 TensorFlow 外的其他神经网络框架也可以使用到 Tensorboard 的便捷功能。
https://github.com/lanpa/tensorboardX
Weights & Biases
Weights & Biases(简称 WandB)也是一个综合了多种功能的机器学习实验管理工具,其基本功能和Neptune 类似,也有一些细微差别。
Neptune
Neptune 是一个集实验记录、数据存储、可视化、模型注册等多种功能于一体的机器学习实验管理工具,用户可以在网页端 UI 轻松地查看所有的记录与可视化结果。
tensorwatch
TensorWatch 是 Microsoft Research 提供的数据科学调试和可视化工具。大多数当前可用的工具都遵循“所见即所得”(WYSIWYL)方法,该方法使用许多预定义的可视化来表示结果。
https://github.com/microsoft/tensorwatch
MLflow
MLflow 是一个用于记录机器学习生命周期的开源工具,实验记录和可视化只是其中一个基础功能,因此它的可视化功能不如 Neptune 和 WandB 那样丰富灵活。
Dvclive
Dvclive 是一个用于追踪机器学习模型训练过程的开源 Python 库。
netron
Netron 是一种用于深度学习和机器学习模型的查看器工具,它可以为模型的架构生成具有描述性的可视化。
https://github.com/lutzroeder/netron
dtreeviz
用于决策树可视化和模型解释的 python 库。
Python3Turtle