蛋酱、小舟机器之心报道

拯救手残党,机器学习画图模板ML Visuals更新了

神经网络画图神器 ML Visuals 正在持续更新。

去年 5 月,机器之心曾向大家推荐一款名为 ML Visuals 的机器学习画图模板,该项目受到广泛关注,迄今已收获 2.2K Star。ML Visuals 专为解决神经网络画图问题设计,最近,这一模板进行了更新。

项目地址:https://github.com/dair-ai/ml-visuals

ML Visuals 现在包含了 100 多个可用的自定义图形,使用者可以在任何论文、博客、PPT 中使用这些资源。

这份 101 页的模板共包含几个部分:

  • 基础组件

  • 架构

  • 机器学习概念

  • 抽象背景

  • 渐变背景

  • 机器学习 & 健康

  • 其他

  • 机器学习系统设计


基础组件

这套画图模板首先提供了多种基础组件,比如表示过程、操作或转换的圆角矩形,表示神经元或任意操作的小圆圈,表示向量的一排小方块以及表示多维数组的网格等。

架构

架构部分的模板数量最多,共有 32 张。对于复杂的模型架构来说,套模板显然事半功倍,比亲手画图要便捷得多。

比如,画出卷积操作的示意图:

使用该模板重现一些经典架构也是得心应手,比如下图是使用该模板绘制的 Transformer 架构图:


机器学习概念

该模板还可以用来表示机器学习中的一些基本概念,比如 DropOut、归一化:

除此之外,目前这套模板还包含多张关于生物、医疗领域的内容。比如疼痛强度预估、疼痛位置预估:

 这张代表「疼痛指数」的图,稍加修改就能用于别处:

最后再来看下使用该模板绘制的神经网络

此外,该模板还可用于机器学习系统设计,例如:

目前,该模板还在持续更新中,感兴趣的读者可以参考 :https://docs.google.com/presentation/d/11mR1nkIR9fbHegFkcFq8z9oDQ5sjv8E3JJp1LfLGKuk/edit#slide=id.g85a0789696_743_21

Powered by Froala Editor

理论神经网络画图ML Visuals
1
相关数据
机器学习技术

机器学习是人工智能的一个分支,是一门多领域交叉学科,涉及概率论、统计学、逼近论、凸分析、计算复杂性理论等多门学科。机器学习理论主要是设计和分析一些让计算机可以自动“学习”的算法。因为学习算法中涉及了大量的统计学理论,机器学习与推断统计学联系尤为密切,也被称为统计学习理论。算法设计方面,机器学习理论关注可以实现的,行之有效的学习算法。

神经网络技术

(人工)神经网络是一种起源于 20 世纪 50 年代的监督式机器学习模型,那时候研究者构想了「感知器(perceptron)」的想法。这一领域的研究者通常被称为「联结主义者(Connectionist)」,因为这种模型模拟了人脑的功能。神经网络模型通常是通过反向传播算法应用梯度下降训练的。目前神经网络有两大主要类型,它们都是前馈神经网络:卷积神经网络(CNN)和循环神经网络(RNN),其中 RNN 又包含长短期记忆(LSTM)、门控循环单元(GRU)等等。深度学习是一种主要应用于神经网络帮助其取得更好结果的技术。尽管神经网络主要用于监督学习,但也有一些为无监督学习设计的变体,比如自动编码器和生成对抗网络(GAN)。

推荐文章
暂无评论
暂无评论~