VisualDL: ابزاری اپن‌سورس جهت بصری‌سازی داده‌ها و فرآیند آموزش یادگیری ژرف

VisualDL یک داشبورد تحت وب اپن‌سورس و کراس‌ فریمورک است که توانایی به تصویر کشیدن (بصری‌سازی) عملکرد فرآیند آموزش شبکه‌های عصبی و داده‌ها را دارا است؛ پلتفرمی که با آن می‌توانید فرایند آموزش (Trainig) را برای یادگیری عمیق داده‌های خود اصطلاحاً Visualize نمایید.

این پلتفرم امکان بصری‌سازی روی نمودارهای اِسکالر و هیستوگرام‌، گراف‌های محاسباتی مدل‌های ONNX و داده‌های تصویر را ساپورت می‌کند؛ همچنین قابلیت پیاده‌سازی با استفاده از پکیج‌‌های  PaddlePaddle ،mXnet ،PYTORCH ،Keras و Caffee2 را نیز دارا است.

VisualDL چگونه روی یک Neural Network اعمال می‌گردد؟
فرایند اعمال این پلتفرم روی یک شبکهٔ عصبی بدین صورت است که ابتدا دولوپر کدهای مد نظر خود را برای آموزش شبکهٔ عصبی را به زبان ++C یا Python می‌نویسد و در ادامه داده‌ها، معیارها و گزارش‌هایی (لاگ‌هایی) که در طول فرایند آموزش تولید شده‌اند را وارد VisualDL SDK می‌کند (این پلتفرم هر دو مورد Python SDK و C++ SDK را در اختیار دولوپرها قرار داده است). در نهایت، برنامهٔ تحت وب را با یک کامند ساده اجرا کرده و نتایج را به تصویر می‌کشد. پس‌ از آن می‌توان شبکهٔ عصبی را دوباره آموزش داد و نتایج را آپدیت نمود.