Pada artikel berikutnya kita akan melihat Netron. Ini adalah program untuk melihat model dari jaringan saraf. Aplikasi yang menggunakan Electron / NodeJS dan diterbitkan di bawah lisensi MIT, kita dapat menjalankannya di Gnu / Linux, macOS, sistem Windows dan dari browser web.
Program ini dibuat oleh Lutz Roeder. Netron adalah alat open source yang memungkinkan Anda untuk memvisualisasikan model jaringan saraf, yang juga itu akan memungkinkan kita untuk menganalisis struktur model dan dengan demikian memastikan bahwa itu cocok dengan desain yang diharapkan. Ini adalah perangkat lunak yang kompatibel dengan berbagai kerangka kerja dan format model.
Format yang didukung Netron
netron memiliki dukungan untuk format sebagaimana adanya:
- ONX(.onnx, .pb, .pbtxt)
- Keras (.h5, .keras)
- TensorFlow Ringan (.tflite)
- Kafe (.caffemodel, .prototxt)
- jaringan gelap (.cfg)
- ML inti (.mlmodel)
- MNN (.mn)
- MXNet (.model, -simbol.json)
- nnnn (.param)
- DayungMendayung (.zip, __model__)
- Kafe2 (prediksi_net.pb)
- barakuda (.nn)
- Mesin (.tmfile)
- TNN (.tnnproto)
- RKNN (.rknn)
- PikiranSpore Lite (.Nona)
- Aduh (.uff)
Selain itu Netron juga memiliki dukungan eksperimental untuk; 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).
Instal Netron Neural Network Viewer di Ubuntu
Uji dari browser web
Sebelum memutuskan untuk menginstal program ini, kita dapat memilih untuk mengujinya dari browser web. Jika Anda tidak memiliki model yang dapat Anda unggah untuk mengujinya, Anda dapat menggunakan contoh contoh model yang dapat ditemukan di repositori di GitHub proyek, untuk mengunduh atau membuka dengan versi browser ini.
Sebagai paket sekejap
Jika Anda memutuskan untuk menginstal perangkat lunak ini di komputer Anda, Anda dapat menginstal program ini melalui paket snap-nya, yang dapat ditemukan di Snapcraft.
Seperti yang saya katakan, Netron Neural Network Viewer dapat diinstal di Ubuntu melalui Snap dengan melakukan hal berikut. Untuk memulai kita perlu membuka terminal (Ctrl + Alt + T) dan kemudian kita akan instal versi stabil program menggunakan perintah:
sudo snap install netron
Setelah instalasi, jika Anda membutuhkan perbarui program, di terminal Anda hanya perlu menjalankan:
sudo snap refresh netron
Setelah semua hal di atas, kita bisa memulai program dari menu Aplikasi atau dari peluncur lain yang kami miliki di distribusi kami. Selain itu, kita juga dapat memulainya dengan mengetik di terminal (Ctrl + Alt + T):
netron
Copot pemasangan
untuk uninstall Netron Neural Network Viewer yang diinstal melalui paket Snap, kita hanya perlu menjalankan di terminal (Ctrl + Alt + T) perintah:
sudo snap remove netron
Unduh AppImage
Kami juga dapat menggunakan program ini menggunakan paket AppImage yang dapat diunduh dari halaman rilis proyek. Selain dapat mengunduh paket ini dari browser web, kami juga memiliki kemungkinan untuk menggunakan wget untuk mendapatkan file tersebut.
untuk unduh versi terbaru yang diterbitkan hari ini, kita hanya perlu membuka terminal (Ctrl + Alt + T) dan mengeksekusinya:
wget https://github.com/lutzroeder/netron/releases/download/v5.3.4/Netron-5.3.4.AppImage
Ketika unduhan selesai, kami memiliki berikan izin eksekusi ke file yang baru saja kita unduh. Untuk ini, jika kita pindah ke folder tempat kita menyimpan file, kita hanya perlu menjalankan perintah ini:
sudo chmod +x Netron-5.3.4.AppImage
Setelah perintah sebelumnya, kita bisa mulai program dengan mengklik dua kali pada file, atau dengan mengetik di terminal yang sama:
./Netron-5.3.4.AppImage
Netron adalah cara sederhana untuk memvisualisasikan jaringan saraf. Program ini akan memungkinkan kita untuk menggunakan berbagai macam bingkai dan jenis model yang kompatibel. Ini benar-benar terukur dan dapat digunakan untuk banyak orang di komunitas belajar. Grafik bahkan dapat diekspor, meskipun Anda mungkin ingin menggunakan pendekatan yang berbeda jika tujuan Anda adalah menghasilkan grafik untuk dicetak, terutama jika gambarnya sangat dalam.
Pengguna yang mau, bisa dapatkan informasi lebih lanjut tentang program ini di situs proyek atau di Anda Repositori GitHub.