In het volgende artikel gaan we kijken naar Netron. Dit is een programma om modellen van te bekijken neurale netwerken. Deze applicatie die Electron / NodeJS gebruikt en is gepubliceerd onder de MIT-licentie, we kunnen deze uitvoeren op Gnu / Linux, macOS, Windows-systemen en vanuit de webbrowser.
Dit programma is gemaakt door Lutz Roeder. Netron is een open source-tool waarmee u neurale netwerkmodellen kunt visualiseren, die ook het stelt ons in staat om de structuur van het model te analyseren en er zo voor te zorgen dat het overeenkomt met het verwachte ontwerp. Het is software die compatibel is met verschillende frameworks en modelformaten.
Door Netron ondersteunde formaten
netron heeft ondersteuning voor formaten zoals ze zijn:
- ONX(.onnx, .pb, .pbtxt)
- Kera (.h5, .keras)
- TensorFlow Licht (.tflite)
- koffie (.caffemodel, .prototxt)
- Donkernet (.cfg)
- Kern-ML (.mlmodel)
- MNN (.mnn)
- MXNet (.model, -symbool.json)
- ncnn (.param)
- Peddel Peddel (.zip, __model__)
- Koffie2 (voorspellen_net.pb)
- barracuda.nn)
- Tmotor (.tmbestand)
- TNN (.tnnproto)
- RKNN (.rknn)
- Mind Spore Lite (.Mevrouw)
- Oef (.uff)
Daarnaast Netron ook heeft experimentele ondersteuning voor; 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).
Installeer Netron Neural Network Viewer op Ubuntu
Test vanuit de webbrowser
Voordat we besluiten dit programma te installeren, kunnen we ervoor kiezen om: test het vanuit de webbrowser. Als u geen model heeft dat u kunt uploaden om het te testen, u kunt de voorbeeldmodelvoorbeelden gebruiken die te vinden zijn in de opslagplaats op GitHub van het project, om te downloaden of te openen met deze browserversie.
Als snap-pakket
Als u besluit deze software op uw computer te installeren, U kunt dit programma installeren via het snap-pakket, dat u kunt vinden op: Snapcraft.
Zoals ik al zei, kan Netron Neural Network Viewer via Snap op Ubuntu worden geïnstalleerd door het volgende te doen. Om te beginnen moeten we een terminal openen (Ctrl + Alt + T) en dan zullen we installeer de stabiele versie van het programma met behulp van de opdracht:
sudo snap install netron
Na installatie, voor het geval je nodig hebt: update het programma, in een terminal hoef je alleen maar uit te voeren:
sudo snap refresh netron
Na al het bovenstaande kunnen we start het programma vanuit het menu Toepassingen of vanuit een ander opstartprogramma dat we beschikbaar hebben in onze distributie. Bovendien kunnen we het ook starten door de terminal in te typen (Ctrl + Alt + T):
netron
uninstall
naar verwijder Netron Neural Network Viewer geïnstalleerd via Snap-pakket, hoeven we alleen in een terminal (Ctrl + Alt + T) het commando uit te voeren:
sudo snap remove netron
Download AppImage
We kunnen dit programma ook gebruiken met het AppImage-pakket dat kan worden gedownload van de project releasepagina. Naast het kunnen downloaden van dit pakket vanuit de webbrowser, hebben we ook de mogelijkheid om wget om het dossier in handen te krijgen.
naar download de nieuwste versie die vandaag is gepubliceerd, we hoeven alleen een terminal te openen (Ctrl + Alt + T) en daarin uit te voeren:
wget https://github.com/lutzroeder/netron/releases/download/v5.3.4/Netron-5.3.4.AppImage
Wanneer het downloaden is voltooid, hebben we: geef uitvoeringsrechten aan het bestand die we zojuist hebben gedownload. Hiervoor hoeven we, als we naar de map gaan waarin we het bestand hebben opgeslagen, alleen deze opdracht uit te voeren:
sudo chmod +x Netron-5.3.4.AppImage
Na het vorige commando kunnen we start het programma door te dubbelklikken op het bestand, of door dezelfde terminal in te typen:
./Netron-5.3.4.AppImage
Netron is een eenvoudige manier om neurale netwerken te visualiseren. Dit programma stelt ons in staat om een breed scala aan frames en compatibele modeltypes te gebruiken. Het is echt schaalbaar en bruikbaar voor veel mensen in de leergemeenschap. Afbeeldingen kunnen zelfs worden geëxporteerd, hoewel u misschien een andere benadering wilt gebruiken als u afbeeldingen wilt genereren om af te drukken, vooral wanneer ze erg diep zijn.
Gebruikers die willen, kunnen meer informatie over dit programma op project website of in jouw GitHub-opslagplaats.