lutzroeder/netron

Feature visualization

Open

#687 geöffnet am 24. Feb. 2021

Auf GitHub ansehen
 (4 Kommentare) (3 Reaktionen) (0 zugewiesene Personen)JavaScript (32.743 Stars) (3.101 Forks)batch import
featurehelp wanted

Beschreibung

add feature visualization to netron

you select/upload a image from the file system. When you sleect a layer, netron displays the features that maximise the activation of the selected layer

based on the following research paper: https://arxiv.org/pdf/1311.2901.pdf

there was a similar repo (https://github.com/keplr-io/quiver), but it was written for tensorflow 1 and it fails to construct valid maps of the models constructed with modern tools

this might be network-specific, so maybe implement slowly?

Contributor Guide

Tech Stack
javascripttensorflow
Domain
machine learningfrontend
Issue Type
feature
SchwierigkeitGeschätzte Implementierungsschwierigkeit für neue Contributors, von 1 für sehr kleine Änderungen bis 5 für Expertenarbeit.
4
Geschätzte ZeitEin grober Zeitrahmen, um zu recherchieren, zu implementieren, zu testen und einen Pull Request vorzubereiten.
over 1 week
AktivitätsstatusWie verfügbar das Issue gerade wirkt: frisch, aktiv, stale, blockiert oder wartet auf Maintainer-Input.
stale
KlarheitWie klar das Issue die erwartete Änderung, Akzeptanzkriterien und den nächsten Schritt erklärt.
mostly clear
Voraussetzungen
Basic knowledge of neural networksFamiliarity with Netron codebaseJavaScript programming
EinsteigerfreundlichkeitEin Score von 1 bis 100, der schätzt, wie zugänglich dieses Issue für First-Time Contributors ist.
35
Research-Richtung
Study the referenced paper (arXiv:1311.2901) for visualization techniques. Examine the quiver repository for inspiration, noting it was written for TensorFlow 1. Review Netron's source code to understand how models are loaded and layers are selected. Implement a feature to upload an image and compute activations for a selected layer, then display the maximizing features. Network specific handling may be needed, so consider starting with a simple model.