华人博士卷积网络可视化项目火了：点鼠标就能看懂的扫盲神器( 二 )

本文插图
在 Softmax 的这部分视图中，用户可以体验不同颜色的 logit 和公式交互，从而了解在 Flatten 层之后，预测分数是如何归一化从而产生分类结果的。
池化层
不同的 CNN 架构有很多不同类型的池化层，但它们的目的都是逐渐缩小网络的空间范围，从而降低网络的参数量和整体计算量。
这个交互图里使用的池化类型是 Max-Pooling ，其过程可以通过点击图中的池化神经元来观察：

本文插图
Flatten 层
这一层将网络中一个三维的层转变为一个一维向量，之后将其输入到全连接层用于分类。因为用于分类的 softmax 函数需要一维向量作为输入（此处不包括 batch 维），因此需要用到 Flatten 层。
通过点击任意一个输出类别可查看该层是如何工作的。

本文插图
作者简介
这个贴心的项目出自佐治亚理工和俄勒冈州立大学的研究者之手。其中，一作是该校的机器学习博士生 Zijie Wang 。他的研究兴趣是机器学习的可解释性、公平性、安全性和可视化分析。

本文插图
目前，该项目已经登上了 GitHub 热榜，感兴趣的同学可以点击文末链接了解详情。

本文插图
【华人博士卷积网络可视化项目火了：点鼠标就能看懂的扫盲神器】

项目地址：https://github.com/poloclub/cnn-explainer
网页地址：https://poloclub.github.io/cnn-explainer/
arXiv 地址：https://arxiv.org/abs/2004.15004