本文經(jīng)AI新媒體量子位（公眾號(hào)ID:QbitAI）授權(quán)轉(zhuǎn)載，轉(zhuǎn)載請(qǐng)聯(lián)系出處。

 CNN是什么？美國(guó)有線電視新聞網(wǎng)嗎？

每一個(gè)對(duì)AI抱有憧憬的小白，在開始的時(shí)候都會(huì)遇到CNN（卷積神經(jīng)網(wǎng)絡(luò)）這個(gè)詞。

但每次，當(dāng)小白們想了解CNN到底是怎么回事，為什么就能聰明的識(shí)別人臉、聽辨聲音的時(shí)候，就懵了，只好理解為玄學(xué)：

好吧，維基百科解決不了的問題，有人給解決了。

這個(gè)名叫CNN解釋器在線交互可視化工具，把CNN拆開了揉碎了，告訴小白們CNN究竟是怎么一回事，為什么可以辨識(shí)物品。

它用TensorFlow.js加載了一個(gè)10層的預(yù)訓(xùn)練模型，相當(dāng)于在你的瀏覽器上跑一個(gè)CNN模型，只需要打開電腦，就能了解CNN究竟是怎么回事。

而且，這個(gè)網(wǎng)頁工具還可以實(shí)現(xiàn)交互，只要點(diǎn)擊其中任何一個(gè)格子——就是CNN中的“神經(jīng)元”，就能顯示它的輸入是哪些、經(jīng)過了怎樣細(xì)微的變化。

甚至，連每一次卷積運(yùn)算都能看得清。

看清卷積

這個(gè)CNN解釋器的使用方式也非常簡(jiǎn)單：鼠標(biāo)戳戳戳就好了。

單擊神經(jīng)元，進(jìn)入彈性解釋視圖，就可以看到卷積核滑動(dòng)的過程的動(dòng)畫模擬：

點(diǎn)擊一個(gè)正在卷積的過程圖，就可以看到更具體的過程：

可以看到底層的卷積運(yùn)算過程，3×3的卷積核是如何經(jīng)過運(yùn)算被變成1個(gè)數(shù)字的。

看清ReLU和最大池化層

點(diǎn)擊一個(gè)ReLU層的神經(jīng)元，可以看具體過程，ReLU函數(shù)是這樣工作的：

點(diǎn)擊一個(gè)池化神經(jīng)元，也可以看具體最大池化層是怎樣工作的：

看清CNN是怎么輸出預(yù)測(cè)的

點(diǎn)擊最右側(cè)的輸出神經(jīng)元，進(jìn)入彈性解釋視圖：

可以查看Softmax函數(shù)的詳情：

識(shí)別「貍克」試試？

CNN解釋器默認(rèn)有10張圖片，你也可以增加自己的自定義圖片。

比如這個(gè)：

[[324608]]

芝士焗燈籠椒？燈籠椒披薩？還是什么鬼？

復(fù)制圖片鏈接或者上傳圖片之后，它經(jīng)過了10層處理，得出結(jié)論：

是燈籠椒，但也可能是臭蟲。

但是，只能歸類于右側(cè)原有的10個(gè)品類里，比如放一只貍克：

[[324609]]

就會(huì)被識(shí)別成espresso。

佐治亞理工中國(guó)博士出品

最后，這個(gè)CNN解釋器的作者是一位中國(guó)小哥，佐治亞理工的Zijie Wang，去年剛開始讀機(jī)器學(xué)習(xí)博士，本科畢業(yè)于威斯康星大學(xué)麥迪遜分校，是一位GPA 3.95/4.00的大學(xué)霸。

[[324611]]

他也曾經(jīng)做過一些其他有趣的數(shù)據(jù)可視化項(xiàng)目，比如威斯康星大學(xué)麥迪遜分校的中國(guó)本科生都來自哪里：

傳送門

CNN解釋器

https://poloclub.github.io/cnn-explainer/

GitHub

https://github.com/poloclub/cnn-explainer

論文

https://arxiv.org/abs/2004.15004

??