I den næste artikel skal vi tage et kig på Netron. Dette er et program til at se modeller af neurale netværk. Denne applikation, der bruger Electron / NodeJS og er udgivet under MIT-licensen, vi kan køre den på Gnu / Linux, macOS, Windows-systemer og fra webbrowseren.
Dette program blev skabt af Lutz Roeder. Netron er et open source-værktøj, der giver dig mulighed for at visualisere neurale netværksmodeller, som også det vil give os mulighed for at analysere modellens struktur og dermed sikre, at den matcher det forventede design. Det er softwarekompatibelt med en række rammer og modelformater.
Netron understøttede formater
netron har understøttelse af formater som de er:
- ONX(.onnx, .pb, .pbtxt)
- Keras (.h5, .keras)
- TensorFlow lite (.tflite)
- kaffe (.caffemodel, .prototxt)
- Darknet (.cfg)
- Core ML (.mlmodel)
- MNN (.mnn)
- MXNet (.model, -symbol.json)
- ncnn (.param)
- PaddlePaddle (.zip, __model__)
- Kaffe 2 (forudsige_net.pb)
- barracuda.nn)
- motor (.tmfile)
- TNN (.tnnproto)
- RKNN (.rknn)
- Mind Spore Lite (.Frk)
- Øv (.uff)
Derudover Netron også har forsøgsstøtte til; TensorFlow (.pb, .meta, .pbtxt, .ckpt, .index), PyTorch (.pt, .pth), TorchScript (.pt, .pth), OpenVINO (.xml), Torch (.t7), Arm NN (.armnn), BigDL (.bigdl, .model), Chainer (.npz, .h5), CNTK (.model, .cntk), Deeplearning4j (.zip), MediaPipe (.pbtxt), ML.NET (.zip) ), scikit-learn (.pkl), TensorFlow.js (model.json, .pb).
Installer Netron Neural Network Viewer på Ubuntu
Test fra webbrowseren
Før vi beslutter os for at installere dette program, kan vi vælge at test det fra webbrowser. Hvis du ikke har en model, som du kan uploade for at teste den, du kan bruge eksemplerne på modeller, der kan findes i repository på GitHub af projektet, for at downloade eller åbne med denne browserversion.
Som snap-pakke
Hvis du beslutter dig for at installere denne software på din computer, Du kan installere dette program gennem dets snap-pakke, som kan findes på Snapcraft.
Som sagt kan Netron Neural Network Viewer installeres på Ubuntu via Snap ved at gøre følgende. For at starte skal vi åbne en terminal (Ctrl + Alt + T), og så vil vi installer den stabile version af programmet ved hjælp af kommandoen:
sudo snap install netron
Efter installationen, hvis du har brug for det opdater programmet, i en terminal skal du blot udføre:
sudo snap refresh netron
Efter alt det ovenstående kan vi start programmet fra applikationsmenuen eller fra enhver anden launcher, som vi har tilgængelig i vores distribution. Derudover kan vi også starte det ved at skrive i terminalen (Ctrl + Alt + T):
netron
afinstallere
til afinstallere Netron Neural Network Viewer installeret via Snap-pakken, skal vi kun udføre kommandoen i en terminal (Ctrl + Alt + T):
sudo snap remove netron
Download AppImage
Vi kan også bruge dette program vha AppImage-pakken, der kan downloades fra projektudgivelsesside. Udover at kunne downloade denne pakke fra webbrowseren, vil vi også have mulighed for at bruge wget for at få fat i filen.
til download den nyeste version, der blev offentliggjort i dag, vi bliver kun nødt til at åbne en terminal (Ctrl + Alt + T) og udføre i den:
wget https://github.com/lutzroeder/netron/releases/download/v5.3.4/Netron-5.3.4.AppImage
Når overførslen er færdig, har vi give udfør tilladelser til filen som vi lige har downloadet. Til dette, hvis vi flytter til den mappe, hvor vi har filen gemt, skal vi kun udføre denne kommando:
sudo chmod +x Netron-5.3.4.AppImage
Efter den forrige kommando kan vi start programmet ved at dobbeltklikke på filen, eller ved at skrive i samme terminal:
./Netron-5.3.4.AppImage
Netron er en enkel måde at visualisere neurale netværk på. Dette program vil give os mulighed for at bruge en bred vifte af stel og kompatible modeltyper. Det er virkelig skalerbart og brugbart for mange mennesker i læringsfællesskabet. Grafik kan endda eksporteres, selvom du måske ønsker at bruge en anden tilgang, hvis dit mål er at generere grafik til udskrivning, især når de er meget dybe.
Brugere, der vil, kan få mere information om dette program på projektwebsted eller i din GitHub-arkiv.