インタラクティブにパラメータを変更し、360 度回転します。このツールを使用すると、ゼロから始めることなく NN アーキテクチャ ダイアグラムを構築できます。

ニューラル ネットワーク (NN) アーキテクチャ ダイアグラムの作成には、多くの場合、時間と労力がかかるため、機械学習の研究者は関連するダイアグラムをゼロから構築する必要があります。

最近、Synced は、研究者のこの問題を解決できる NN-SVG というプロジェクトを GitHub で発見しました。プロジェクト著者の Alexander Lenail 氏は、MIT の計算システム生物学の博士課程 2 年目の学生です。彼の研究対象は、生物学的分析、理解、設計のための計算ツールの作成です。

プロジェクトアドレス: https://github.com/alexlenail/NN-SVG

著者によると、 NN-SVG は、ニューラル ネットワーク アーキテクチャ図を手動で構築するのではなく、パラメータ化するための対話型ツールです。このツールは、作成した図を学術論文や Web ページでの使用に適した Scalable Vector Graphics (SVG) ファイルにエクスポートすることもできます。

具体的には、NN-SVG ツールは次の 3 つのスタイルでニューラル ネットワーク ダイアグラムを構築できます。

• 完全接続ニューラルネットワーク (FCNN)
• LeNet論文で提案された畳み込みニューラルネットワーク（CNN）の一種
• AlexNet論文で提案されたディープニューラルネットワーク（DNN）とスタイルが似ている

このうち、最初の 2 種類のニューラル ネットワーク グラフィックスは JavaScript ライブラリ D3.js を使用して完成され、後者のタイプは Three.js によって完成されます。 NN-SVG のハイライトは、ニューラル ネットワーク グラフのサイズ、色、レイアウト パラメータをユーザーの好みに応じて変更できることです。

ここでは、FCNN スタイルで生成されたグラフのみを例として取り上げます。次の図は、エッジの幅、エッジの不透明度、エッジの重みに対応する色、ノードの直径、レイヤーの間隔、ランダムな重みなど、変更できるコンポーネントを示しています。

たとえば、エッジの太さに対応する色を変更する前と後は次のようになります。

たとえば、「18 と 20 の重み」を追加する前と後:

LeNet スタイルと AlexNet スタイルのニューラル ネットワーク グラフを構築するプロセスは似ています。つまり、このツールではすべてがインタラクティブです。

プロジェクトの著者らは、NN-SVG ツールによって機械学習研究者の時間が節約され、また特定の状況ではソフトウェアが教育ツールとして使用されることを期待しています。

興味のある友達は行ってみてください。

NN-SVG アドレス: https://alexlenail.me/NN-SVG/LeNet.html