¿Existe una herramienta visual para diseñar y aplicar redes neuronales / aprendizaje profundo? [cerrado]

Sé que hay muchas bibliotecas para el aprendizaje automático y el aprendizaje profundo como caffe, Theano, TensorFlow, keras, ... Pero para mí parece que tengo que conocer la arquitectura de la red neuronal, que quiero usar.

¿Existe una herramienta (visual) que permita experimentar con diferentes diseños de red y aplicarlos en sus propios datos?

Estoy pensando en algo como el TensorFlow Playground , pero con datos n-dimensionales y diferentes tipos de capas.

¡Gracias por adelantado!

Sí, hay muchas herramientas disponibles para diseñar y aplicar redes neuronales simplemente arrastrando y soltando. Una de ellas es Deep Learning Studio Desarrollado por Deep Cognition Inc , su sólida plataforma de aprendizaje profundo con una interfaz visual en producción proporciona una solución integral para la ingestión de datos , desarrollo de modelos, capacitación, implementación y gestión. Los usuarios de Deep Learning Studio tienen la capacidad de desarrollar e implementar rápidamente soluciones de aprendizaje profundo a través de una sólida integración con TensorFlow, MXNet y Keras.

Su función automática ML generará automáticamente el modelo de red neuronal.

Para caffe hay una herramienta de terceros llamada Expresso ( http://val.serc.iisc.ernet.in/expresso/ ) que proporciona cierta GUI para ayudarlo a comenzar.

Además, NVIDIA DIGITS ( https://developer.nvidia.com/digits ) afirma ser también una herramienta interactiva:

DIGITS simplifica las tareas comunes de aprendizaje profundo, como la gestión de datos, el diseño y la capacitación de redes neuronales en sistemas de múltiples GPU, el monitoreo del rendimiento en tiempo real con visualizaciones avanzadas y la selección del modelo de mejor rendimiento del navegador de resultados para la implementación. DIGITS es completamente interactivo para que los científicos de datos puedan centrarse en diseñar y capacitar redes en lugar de programar y depurar.

¡Espero que esto ayude!

El proceso de encontrar la arquitectura de red óptima para su problema es el corazón del proceso de aprendizaje profundo: ahí es donde utiliza su conocimiento previo para optimizar el rendimiento.

Honestamente, realmente no veo cómo una GUI como usted sugirió podría servir para este propósito, como:

• Para poder evaluar una arquitectura dada, necesita entrenar la red en sus datos (desde cero). Para redes neuronales profundas, este es un proceso que podría llevar un tiempo. Por lo tanto, si cada clic que realiza requiere un cálculo de una hora, prácticamente aprovecha toda la ventaja de una interfaz gráfica de usuario desactivada.

• La mayoría de las implementaciones (caffe, TensorFlow) tienen una sintaxis tan simple que cambiar la arquitectura (cambiar las capas, ajustar los hiperparámetros) realmente se reduce a cambiar el valor de una sola cadena o constante: nada para lo que realmente necesites una GUI.

Si, por otro lado, lo que está buscando es un enfoque más sistemático para el negocio de ajuste de parámetros, puede leer sobre Ajuste automático de parámetros .

Sí, hay un nuevo editor visual para redes neuronales pequeñas llamado "Neural Network Designer" que está disponible en la Apple App Store para Mac.

He estado trabajando en una interfaz de usuario de red neuronal de arrastrar y soltar (Ennui) que se entrena en el navegador y permite a los usuarios exportar Python generado por código. Tenemos varias capas, incluyendo densas, convolucionales, maxpooling, batchnorm, etc. También se admite la construcción de modelos ramificados como ResNets. También implementamos algunas visualizaciones comunes.

Aquí hay una foto de Ennui

Aquí hay un ejemplo de visualización

Puede visitar el sitio web en https://math.mit.edu/ennui

La implementación de código abierto se encuentra en https://github.com/martinjm97/ENNUI

No dude en comunicarse con comentarios o preguntas.