TensorSpace.js fournit un framework de visualisation de données de réseau de neurones open source basé sur un navigateur, qui complète le paysage grandissant de l’apprentissage automatique en prenant en charge des modèles préformés créés avec TensorFlow.js, Keras, ou TensorFlow.
Le projet aide les développeurs frontaux à visualiser les structures de modèle d’apprentissage automatique, ainsi que les processus d’abstractions de caractéristiques internes, de manipulations de données intermédiaires et de générations d’inférences finales.
TensorSpace.js utilise Three.js pour son API de dessin 3D sous-jacente. Le projet ajoute la visualisation de données de modèles fonctionnels et séquentiels, notamment LeNet, AlexNet, YOLOv2, ResNet-50, Vgg16, ACGAN, MobileNetv1, Inceptionv3, etc. Des exemples de chaque modèle peuvent être visualisés sur le playground de TensorSpace.js.
Une couche TensorSpace fournit un conteneur permettant d'afficher des visualisations 3D des données et de la structure de la couche interne, y compris des fonctionnalités telles que la densité, l'aplatissement, la transformation, le regroupement, et plus d'une manière destinée à être familière à ceux qui travaillent avec des API d'apprentissage automatique.
Pour commencer à utiliser TensorSpace.js, installez-le d'abord via npm ou yarn :
npm install tensorspace
# or
yarn add tensorspace
Suivez ensuite la documentation HelloWorld de TensorSpace.js ou suivez cet exemple avec CodePen.
La dernière version de TensorSpace.js 0.2 ajoute de nombreuses fonctionnalités et améliorations de bugs. Bien que le projet n’ait pas encore atteint sa version stable, il fournit une collection prometteuse de visualisations utiles de données d’apprentissage automatique.
TensorSpace.js est un logiciel open source disponible sous la licence Apache 2. Les contributions et les commentaires sont encouragés via le projet GitHub de TensorSpace.js et doivent suivre les directives de contribution de TensorSpace.js.