可视化经典模型的对比实验总结可视化经典模型的对比实验总

可视化经典模型的对比实验总结环境安装安装OpenGL

sudo apt-get install -y build-essentiallibxmu-dev libgl1-mesa-glx libglu1-mesa-dev libgl1-mesa-dev freeglut3-dev libglew-dev libsdl2-dev libsdl2-image-dev libglm-dev libfreetype6-dev

安装Netron
网页版：https://netron.app/
官方下载：https://github.com/lutzroeder/netron

文章图片

安装zetane
官方链接“”https://zetane.com/
GitHub链接：https://github.com/zetane/viewer

文章图片

AlexNet Alexnet 是一个图像分类模型，其中输入是 1000 个不同类别（例如猫、狗等）之一的图像，输出是 1000 个数字的向量。
输出向量的第i个元素是输入图像属于第i类的概率；因此，输出向量的所有元素之和为 1。
AlexNet 的输入是大小为 224x224 像素的 RGB 图像。
模型设计图

文章图片

Netron结构图
【可视化经典模型的对比实验总结】

文章图片

文章图片

weights

文章图片

bias

文章图片

input (1,3,224,224)

文章图片

文章图片

Conv

文章图片

Feature Maps

文章图片

ReLU

文章图片

MaxPool

文章图片

文章图片

整体结构图

文章图片

feature0

文章图片

feature3

文章图片

feature6

文章图片

feature8

文章图片

feature10

文章图片

文章图片

classify

文章图片

VGG 模型设计图

文章图片

Netron结构图

文章图片

整体结构图

文章图片

feature0

文章图片

feature2

文章图片

feature5

文章图片

feature7

文章图片

feature10

文章图片

feature12

文章图片

feature14

文章图片

feature17

文章图片

feature19

文章图片

feature21

文章图片

feature24

文章图片

feature26

文章图片

feature28

文章图片

classifier

文章图片

GoogleNet 模型设计图

文章图片

文章图片

Netron网络图

文章图片

zetane整体结构图

文章图片

详细可视化
1

文章图片

2

文章图片

3

文章图片

分支

文章图片

m_1

文章图片

m_2

文章图片

m_3

文章图片

m_4

文章图片

for_epoch 9次

文章图片

output_merge

文章图片

end

文章图片

Inception_v3 也称为 GoogleNetv3，2015 年开始在 Imagenet 上训练的著名 ConvNet。
模型设计图

文章图片

Netron结构图

zetane整体结构图

文章图片

conv

文章图片

文章图片

分支

文章图片

m_1

文章图片

m_2

文章图片

m_3

文章图片

m_4

文章图片

文章图片

全局图

文章图片

DenseNet 密集卷积网络（DenseNet）以前馈方式将每一层连接到其他每一层。
网络设计图

文章图片

文章图片

Netron网络图

文章图片

这个部分可以看做是一个基础组件的结构，后面大量嵌套并循环使用

文章图片

局部图

文章图片

第一部分

文章图片

第二部分

文章图片

第三部分-头

文章图片

第三部分-尾

文章图片

第四部分

文章图片

zetane网络图

文章图片

文章图片

SqueezeNet 参数减少 50 倍的 Alexnet 级精度。
网络设计图

文章图片

Netron网络图

文章图片

Zetene整体图

文章图片

细节
features.0

文章图片

features.3.squeeze

文章图片

features.3.expand3x3

文章图片

features.4

文章图片

features.4.expand1x1

文章图片

features.5.squeeze

文章图片

features.5.expand3x3

文章图片

features.7.squeeze

文章图片

features.7.expand

文章图片

features.8.squeeze

文章图片

features.8.expand

文章图片

features.9.squeeze

文章图片

features.10.expand

文章图片

features.10.squeeze

文章图片

features.10.expand1x1

文章图片

features.12.squeeze

文章图片

features.12.expand.3x3

文章图片

classifer.1

文章图片

全局图

文章图片

output

文章图片

ShuffleNet 一个针对速度和内存进行了优化的高效 ConvNet，在 Imagenet 上进行了预训练。
所有预训练模型都期望输入图像以相同的方式归一化，即形状为的 3 通道 RGB 图像的小批量(3 x H x W)，其中H和W预计至少为224。必须将图像加载到的范围内，然后使用和[0, 1]进行归一化。`mean = [0.485, 0.456, 0.406]``std = [0.229, 0.224, 0.225]。
网络设计图