深度学习3D可视化工具——Zetane Engine
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网站zetane中找到，也可通过下面链接下载安装包：
深度学习的3D可视化工具Zetane——windows版本
深度学习的3D可视化工具Zetane——Linux版本
(左图为卷积层的特征图，右图为特征图的3D可视化) 可视化AI工作流程首先，我们需要上传一个模型，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。
模型文件格式转换可参考Python将模型参数文件(.pth/.pkl等)转换为ONNX格式
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：
另外在启动台SNAPSHOTS按钮这里也有一些经典模型可以选择：
例如一个Resnet50网络，输入的图片是一张RGB图：
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：
这些个小工作间的进展也是透明的，我们可以聚焦到一个归一化层、Relu激活层或者卷积层工作间，点这个图片形状的按钮：
然后这个各层的所有特征图都会在上面显示出来，如卷积层中卷积数值的不同体现为颜色的不同，蓝紫色代表数值较小，红黄色代表数值较大
还可以通过点击这几个地方来查看，输入和输出的各种样式：
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多角度的图像处理在连接层、激活层、归一化层等工作间也同样适用：
激活层特征图 归一化层特征图到了最后的全连接输出层，模型会输出一个一维向量（下图右边），用来判断图像是哪个类别的。
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？