一.ML可视化

1. matplotlib绘制精美的折线图——另附颜色、形状查找表
2. 机器学习项目完整常用代码-导入包-忽略警告-数据分析-数据清洗-特征工程-模型选择-可视化-hjz
3. Matplotlib库可视化
4. python数据可视化——直方图、热力图和缺失值可视化

1.机器学习场景

常见模型可视化输出-见最后部分

2.常见机器学习模型matplotlib

ML分类可视化对比

二.DL可视化

1.卷积过程

卷积过程动图

例如，使用64个尺寸为3x3的滤波器对224x224x3的图像进行卷积，零填充为1，得到的激活数据体尺寸是[224x224x64]。这个数量就是一千万的激活数据，或者就是72MB的内存（每张图就是这么多，激活函数和梯度都是）。

2.CNN演示-推荐（撕心裂肺）

CNN解释器在线演示网站

3.CNN的一些可视化方法

CNN的一些可视化方法介绍

4.CNN可视化知识图解

1. 卷积神经网络特征图可视化（自定义网络和VGG网络）-keras
2. 深度学习CNN中间特征图-MNIST-Keras
3. 深度学习网络和特征图可视化的工具介绍
4. DeepVisualization:可视化并理解CNN
5. 吊炸天的CNNs，这是我见过最详尽的图解！（上）
6. 吊炸天的CNNs，这是我见过最详尽的图解！（下）

5.神经网络

在线演示工具：
ConvnetJS演示：具有2层神经网络的玩具2D分类

三.CV可视化

3.1.模型可视化工具

3.1.2 Netron

Git链接
Netron 是一个离线版的深度学习可视化工具，支持大部分的主流框架，而且是免费开源。

3.1.2. Visual DL

Visual DL是百度开发，基于echar和PaddlePaddle，支持PaddlePaddle，PyTorch和MXNet等主流框架。
ps：echar的渲染能力不错，可惜不支持caffe和tensorflow。
网站：https://github.com/PaddlePaddle/VisualDL

3.1.3 Netscope

Netscope是一个网页版的caffe可视化工具，很简单，很良心，很美观。可惜没有离线版。
网站：http://ethereon.github.io/netscope/#/editor

3.2 模型画图工具

那些酷炫的深度学习网络图怎么画出来的？

3.2.1 NN-SVG

在线演示链接

3.2.2 PlotNeuralNet

Git

3.2.3 draw_convnet

Git链接

3.2.4 Netscope

Git
caffe的网络结构可视化工具，大名鼎鼎的netscope，由斯坦福AILab的Saumitro Dasgupta开发

3.3 知识图

3.3.1图像分类

例子：以下图为例，图像分类模型读取该图片，并生成该图片属于集合 {cat, dog, hat, mug}中各个标签的概率。需要注意的是，对于计算机来说，图像是一个由数字组成的巨大的3维数组。在这个例子中，猫的图像大小是宽248像素，高400像素，有3个颜色通道，分别是红、绿和蓝（简称RGB）。如此，该图像就包含了248X400X3=297600个数字，每个数字都是在范围0-255之间的整型，其中0表示全黑，255表示全白。我们的任务就是把这些上百万的数字变成一个简单的标签，比如“猫”。

3.3.2 目标检测