本文介绍了多个能将深度学习训练过程进行可视化的工具，帮助大家更好地理解深度学习，非常实用。

深度学习训练过程一直处于黑匣子状态，有很多同学问我具体怎么解释？其实很多还是无法可解释，但是通过可视化，具体可以知道深度学习在训练过程到底学习了哪些特征？到底对该目标的哪些特征感兴趣？这些我们现在已经有很多渠道可以得知，我先给大家介绍几个比较好的工具！

1.深度学习网络结构画图工具

https://cbovar.github.io/ConvNetDraw/

2.caffe可视化工具

输入：caffe配置文件 输出：网络结构

http://ethereon.github.io/netscope/#/editor

3.深度学习可视化工具Visual DL

Visual DL是百度开发的，基于echar和PaddlePaddle，支持PaddlePaddle，PyTorch和MXNet等主流框架。ps：这个是我最喜欢的，毕竟echar的渲染能力不错哈哈哈，可惜不支持caffe和tensorflow。

https://github.com/PaddlePaddle/VisualDL

4.结构可视化工具PlotNeuralNet

萨尔大学计算机科学专业的一个学生开发。

https://github.com/HarisIqbal88/PlotNeuralNet

其实还有很多可视化工具，但是今天我要说的是，训练过程的可视化，与TF的可视化类似，但是 这个操作 更加简便！

这个工具到底把训练过程展示得多么详细？ 简单来说，项目作者已经给你做好了一个可以交互的界面，你只需要打开浏览器加载出这个界面就可以了。 CNN Explainer 使用 TensorFlow.js 加载预训练模型进行可视化效果，交互方面则使用 Svelte 作为框架并使用 D3.js 进行可视化。 最终的成品即使对于完全不懂的新手来说，也没有使用门槛。下面我们来看一下具体的效果。

softmax

MaxPool

通过整个过程，想必大家对过程有详细了解，如果你技术好的，你可以通过深度学习平台直接可视化训练过程，那个过程想必比这个更加详细。

小白学视觉知识星球

开始面向外开放啦👇👇👇

下载1：OpenCV-Contrib扩展模块中文版教程
在「小白学视觉」公众号后台回复：扩展模块中文教程，即可下载全网第一份OpenCV扩展模块教程中文版，涵盖扩展模块安装、SFM算法、立体视觉、目标跟踪、生物视觉、超分辨率处理等二十多章内容。
下载2：Python视觉实战项目52讲
在「小白学视觉」公众号后台回复：Python视觉实战项目，即可下载包括图像分割、口罩检测、车道线检测、车辆计数、添加眼线、车牌识别、字符识别、情绪检测、文本内容提取、面部识别等31个视觉实战项目，助力快速学校计算机视觉。
下载3：OpenCV实战项目20讲
在「小白学视觉」公众号后台回复：OpenCV实战项目20讲，即可下载含有20个基于OpenCV实现20个实战项目，实现OpenCV学习进阶。
欢迎加入公众号读者群一起和同行交流，目前有SLAM、三维视觉、传感器、自动驾驶、计算摄影、检测、分割、识别、医学影像、GAN、算法竞赛等微信群（以后会逐渐细分），请扫描下面微信号加群，备注：”昵称+学校/公司+研究方向“，例如：”张三 + 上海交大 + 视觉SLAM“。请按照格式备注，否则不予通过。添加成功后会根据研究方向邀请进入相关微信群。请勿在群内发送广告，否则会请出群，谢谢理解~

点击上方“小白学视觉”，选择加"星标"或“置顶”重磅干货，第一时间送达导读本文介绍了多个能将深度学习训练过程进行可视化的工具，帮助大家更好地理解深度学习，非常实用。深度学习训练过程一直处于黑匣子状态，有很多同学问我具体怎么解释？其实很多还是无法可解释，但是通过可视化，具体可以知道深度学习在训练过程到底学习了哪些特征？到底对该目标的哪些特征感兴趣？这些我们现在已经有很多渠道可以得知，我先给大家介绍... 1. ORB-SLAM2：https:// github .com/raulmur/ORB_SLAM2 2. DSO：https:// github .com/JakobEngel/dso 3. LS-SLAM：https:// github .com/taketwo/LS-SLAM 4. R-Net：https:// github .com/HKUST-Aerial-Robotics/R-Net 5. DS-SLAM：https:// github .com/HKUST-Aerial-Robotics/DS-SLAM 6. DeepVO：https:// github .com/dalmia/deepvo 7. S-PTAM：https:// github .com/lrse/sptam 8. ViSLAM：https:// github .com/HKUST-Aerial-Robotics/VINS-Mono 9. Dense-VO：https:// github .com/taketwo/dense-vo 10. SURF-SLAM：https:// github .com/taketwo/surf-slam 这些模型都是使用 深度学习 技术来进行 SLAM 的，您可以根据自己的需要选择适合的模型进行学习和实践。