GitHub - zetane/viewer: ML models and internal tensors 3D visualizer
注：该神器只能对 ONNX, Keras（.h5) 以及 ZTN 的模型进行可视化。
如果是 .pth 模型，可以考虑模型转换：
Pytorch训练的模型转.onnx、.pb、.h5、.tftile_developer&learner的博客_onnx转h5
当然，转换后是否还可以可视化，还没有尝试。后续用到时，再更新说明吧。
神经网络在工作的时候，里面到底是什么样？
为了能透视这个“AI黑箱”中的过程，加拿大蒙特利尔一家公司开发一个3D可视化工具Zetane Engine。
只需要上传一个模型，Zetane Engine 就可以巡视整个神经网络，并且还可以放大网络中的任何一层，显示特征图，看清流水线上的每一步：
目前Zetane Engine不同系统的版本都可以在 GitHub中找到，话不多说，来看看Zetane Engine具体的用法吧~
可视化AI工作流程
首先，我们需要上传一个模型，例如一个识别手写数字的神经网络，输入的图片是一个手写的“2”：
上传之后，Zetane Engine就绘制出了一条“流水线”，每一层神经网络就像一个个工作间：
从输入到卷积，再到连接、激活、池化：
这些个小工作间的进展也是透明的，不信我们聚焦到一个卷积层工作间，点这个图片形状的按钮：
只有这些还不够，高能现在才刚开始，注意图片按钮右边九个点形状的按钮了吗？
点击它，Zetane Engine会在界面右边展示出一个工具栏，把刚才显示在卷积层上面的图片呈现出各种各样的形式~
其中有排列成三维立体的、标注卷积结果数值的，以及纯数值的应有尽有：
二维视角 |
|
三维视角 |
|
标注卷积结果的平面图 |
|
纯卷积结果的数值平面图 |
|
这样的“工作报告”，谁看了不喜欢？不仅能够可视化地看到卷积过程，还可以调出每一个像素点上的卷积结果。
这还没完，这种多角度的图像处理在连接层、激活层、池化层等工作间也同样适用：
△图注：激活层特征图
△图注：池化层特征图
一整个看下来，神经网络的工作流程都清清楚楚：
到了最后的全连接输出层，模型会输出一个十列的一维向量（下图右边），用来判断手写数字是0-9的哪一个。
在这个例子中，模型给出了可能性最高的就是数字2。
怎么样？有了这样可视化的工具，是不是感觉AI模型不再是一个黑箱了？
Zetane Engine用法速览
Zetane Engine不同系统的版本（Windows、Linux、Mac）都可以在GitHub中找到。
这里我们简单介绍一下Zetane Engine的界面和启动台，方便大家快速熟悉。
打开之后界面是比较简洁的，只有左上角和右上角有一些按钮。我们先看左上角。
上传模型的按钮在启动台左上角Z字标志这里，Zetane Engine支持ONNX、Keras（.h5)以及ZTN三种模型文件。
Z字按钮旁边两个按钮依次是启动模型和清除模型：
如果手头上还没有模型也没关系，点击界面右上角的Z形图标可以到Zetane Engine的模型库中下载模型：
△图注：Zetane Engine的模型库
另外在启动台SNAPSHOTS按钮这里也有一些经典模型可以选择：
感兴趣的同学可以从文末链接中找到Zetane Engine的下载包，来试试吧~
参考链接：
[1]https://github.com/Zetane/viewer
[2]https://www.youtube.com/watch?v=J3Zd5GR_lQs
