↑↑↑点击上方蓝字,回复资料,10个G的惊喜
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。(文末附PPT下载链接)
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。
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
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。
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:
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:
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
扫描上方二维码
回复【机器学习画图】
推荐阅读
pip 的高阶玩法
Numpy神秘失踪事件
我爱线代,线代使我快乐
麻省理工学院计算机课程【中文版】
【清华大学王东老师】现代机器学习技术导论.pdf
机器学习中令你事半功倍的pipeline处理机制
机器学习避坑指南:训练集/测试集分布一致性检查
机器学习深度研究:特征选择中几个重要的统计学概念
本文分享自微信公众号 - 机器学习算法与Python实战(tjxj666)。
如有侵权,请联系 support@oschina.cn 删除。
本文参与“OSC源创计划”,欢迎正在阅读的你也加入,一起分享。
来源:oschina
链接:https://my.oschina.net/u/2324223/blog/4896602