Visualiser le deep learning pour mieux comprendre avec VisualDL

Aujourd'hui le BlogDuWebdesign vous propose un outil permettant de visualiser l'activité de deep learning de vos IA ainsi que leur évolution en temps réel.

Visualiser le deep learning pour mieux comprendre

J'ai commencé à m'intéresser sérieusement au deep learning il y a peu (pour préparer l'article Les IA peuvent-elles remplacer les intégrateurs ?) et la tache est loin d'être aisée. Heureusement je suis tombé sur une petite ressource en python permettant de visualiser l'étape d'apprentissage du deep learning, qui rend les choses tout de suite plus clair. Cette ressource, c'est VisualDl.

Disponible pour python (donc tensorflow et floydhub) et C++, la ressource fonctionne en deux temps. Tout d'abord la création de logs par votre fonction de training grâce à l'API de visualDL, puis la lecture de ces logs grâce à un outil en CLI.

Pour l'exemple, voilà le code fourni sur la page Github de la ressource, qui correspond à un exemple en python.

import random
from visualdl import LogWriter

logdir = "./tmp"
logger = LogWriter(dir, sync_cycle=10)

# mark the components with 'train' label.
with logger.mode("train"):
    # create a scalar component called 'scalars/scalar0'
    scalar0 = logger.scalar("scalars/scalar0")

# add some records during DL model running.
for step in range(100):
    scalar0.add_record(step, random.random())

Une fois vos logs récupéré, il ne vous respe plus qu'à lancer l'outil pour accéder à votre interface web

visualDL --logdir /tmp

Il ne vous reste plus qu'à aller observer vos information sous un jour nouveau !