В следующей статье мы рассмотрим Netron. Это программа для просмотра моделей нейронные сети. Это приложение, которое использует Electron / NodeJS и опубликовано под лицензией MIT, мы можем запускать его в системах Gnu / Linux, macOS, Windows и из веб-браузера.
Эта программа была создана Лутцем Рёдером. Netron - это инструмент с открытым исходным кодом, который позволяет визуализировать модели нейронных сетей, которые также это позволит нам проанализировать структуру модели и, таким образом, убедиться, что она соответствует ожидаемому дизайну.. Это программное обеспечение, совместимое с множеством фреймворков и форматов моделей.
Поддерживаемые форматы Netron
Нетрон имеет поддержку форматов как они есть:
- ОННКС (.onnx, .pb, .pbtxt)
- Керас (.h5, .керас)
- TensorFlow Лайт (.tflite)
- Кафе (.caffemodel, .prototxt)
- Даркнет (.cfg)
- Ядро машинного обучения (.млмодель)
- МНН (.мнн)
- MXNet (.модель, -symbol.json)
- нкнн (.парам)
- Весло.zip, __модель__)
- Кафе2 (pred_net.pb)
- Барракуда (.нн)
- Тенгине (.tmfile)
- ТНН (.tnnproto)
- РКНН (.rknn)
- МайндСпор Лайт (.Миз)
- УФФ (.уфф)
Кроме того, Netron также имеет экспериментальную поддержку; 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).
Установите Netron Neural Network Viewer на Ubuntu
Тест из веб-браузера
Прежде чем принять решение об установке этой программы, мы можем выбрать протестируйте это из веб-браузера. Если у вас нет модели, которую можно загрузить для тестирования, вы можете использовать образцы моделей, которые можно найти в репозиторий на GitHub проекта, чтобы загрузить или открыть в этой версии браузера.
В виде оснастки
Если вы решите установить это программное обеспечение на свой компьютер, Вы можете установить эту программу с помощью пакета оснастки, который можно найти по адресу Snapcraft.
Как я уже сказал, Netron Neural Network Viewer можно установить на Ubuntu через Snap, выполнив следующие действия. Для начала нам нужно будет открыть терминал (Ctrl + Alt + T), а затем мы установите стабильную версию программы с помощью команды:
sudo snap install netron
После установки, если вам понадобится обновить программу, в терминале вам просто нужно выполнить:
sudo snap refresh netron
После всего вышесказанного мы можем запустить программу из меню «Приложения» или из любой другой программы запуска, доступной в нашем дистрибутиве. Кроме того, мы также можем запустить его, набрав в терминале (Ctrl + Alt + T):
netron
деинсталляция
к удалить Netron Neural Network Viewer, установленную с помощью пакета Snap, нам останется только выполнить в терминале (Ctrl + Alt + T) команду:
sudo snap remove netron
Скачать AppImage
Мы также можем использовать эту программу, используя пакет AppImage, который можно загрузить с страница релиза проекта. Помимо возможности загрузить этот пакет из веб-браузера, у нас также будет возможность использовать Wget получить файл.
к скачать последнюю опубликованную сегодня версию, нам останется только открыть терминал (Ctrl + Alt + T) и выполнить в нем:
wget https://github.com/lutzroeder/netron/releases/download/v5.3.4/Netron-5.3.4.AppImage
Когда загрузка закончится, у нас есть дать права на выполнение для файла что мы только что скачали. Для этого, если мы перейдем в папку, в которой сохранен файл, нам нужно будет выполнить только эту команду:
sudo chmod +x Netron-5.3.4.AppImage
После предыдущей команды мы можем запустите программу, дважды щелкнув файл или набрав в том же терминале:
./Netron-5.3.4.AppImage
Netron - это простой способ визуализировать нейронные сети. Эта программа позволит нам использовать широкий выбор оправ и совместимых типов моделей. Он действительно масштабируемый и пригодный для использования многими людьми в обучающем сообществе. Графика даже может быть экспортирована, хотя вы можете использовать другой подход, если ваша цель - создать графику для печати, особенно если она очень глубокая.
Пользователи, которые хотят, могут получить дополнительную информацию об этой программе на сайт проекта или ваши Репозиторий GitHub.