FightingCV

V1

2022/08/11阅读:23主题:默认主题

画图太丑拿不出手?有人做了套机器学习专用画图模板,还有暗黑模式

来源:https://zhuanlan.zhihu.com/p/143657932

论文、博客写好了,里面的图可怎么画?对于很多研究人员和开发者来说,内容的「可视化」是一个大问题。如果从头开始画,配色、空间布局都很伤脑筋,而且画丑了也拿不出手,要是有模板可以套就好了。

别急,还真有人做了一套模板。

这套模板名叫 ML Visuals,是专为解决神经网络画图问题设计的。项目放出不到十天,就引来了不少人的关注,收获了 500 多 star。

下边这张图是不是很面熟?这就是大名鼎鼎的 Transformer 架构,右边是谷歌大脑论文《Attention Is All You Need》中的 Transformer 架构原图,左边是用上述模板重新画出来的,还原度是不是很高,而且看起来很漂亮?

ML Visuals 提供了更加专业、美观、恰当的视觉效果和图形,可以帮助机器学习社区改善科学沟通。用户可以在 PPT 或博客中免费使用其中的视觉效果和图形。

该项目由 dair.ai 社区创建和维护(dair.ai 社区致力于民主化人工智能研究、教育和技术),社区成员将继续更新,添加更常见的图形和基本要素。

用户可以免费下载、复制、分发、重用这里的模板,还可以根据自己的需求进行自定义。

ML 专用画图模板,拯救手残党

ML Visuals 项目中每个好看又复杂的图都是由一个个小模块组成的。在这套模板中,作者用到了多种模块,如表示过程、操作或转换的圆角矩形,表示神经元或任意操作的小圆圈,表示向量的一排小方块以及表示多维数组的网格等。

选择其中一些模块组合使用,就可以得到神经网络的一层:

它们还可以用来表示神经网络中的某个过程,如下图中的分词过程:

再复杂一点,还可以画出整个神经网络:

此外,这套模板还可用来表示机器学习领域的一些概念,如线性回归:

Dropout:

对于喜欢「暗黑模式」的同学,这个项目也照顾到了:

除此之外,该项目还提供了背景模板,方便用户进行图形自定义。

如何使用?

该项目使用 Google Slides 对所有视觉效果和图形进行维护,用户可以通过 Google Slides 使用其中的组件,或执行添加、自定义等操作。

添加

想要添加自定义图,只需添加一张新的幻灯片,并重用任意基础视觉组件。不过你需要先获取编辑权限(点击「只能查看」工具栏下的「请求编辑权限」或者发邮件至 ellfae@gmail.com 获取编辑权限)。

复制并使用

用户还可以复制这些幻灯片并按照自己的意愿进行自定义。

共享

dair.ai 社区鼓励用户添加自己的图形并允许他人重用。不过,图形作者最好在幻灯片备注中添加作者信息,方便其他人在重用这些图形时进行恰当地引用。图形作者或设计者还可以添加自己的姓名和邮件地址,方便其他用户咨询相关问题。

此外,图形作者可以为自己的视觉图形提供简单的描述,以帮助其他用户理解用途。

用户需要注意的是,在获取编辑权限后,不要删除别人添加的图形。如果想要进行改进,用户可以新增一张幻灯片,并添加改进版本。

下载

下载幻灯片的过程很简单,只需点击「文件→下载」,然后选择合适的格式即可。

除此以外,如果用户在图形自定义方面需要帮助,或者有一些对他人有益的想法,可以打开 issue 页面(https://github.com/dair-ai/ml-visuals/issues/new)进行描述。

ML Visuals 地址:https://docs.google.com/presentation/d/11mR1nkIR9fbHegFkcFq8z9oDQ5sjv8E3JJp1LfLGKuk/edit#slide=id.g78327f1586_1537_865 GitHub 地址:https://github.com/dair-ai/ml-visuals

已建立深度学习公众号——FightingCV,欢迎大家关注!!!

ICCV、CVPR、NeurIPS、ICML论文解析汇总:https://github.com/xmu-xiaoma666/FightingCV-Paper-Reading

面向小白的Attention、重参数、MLP、卷积核心代码学习:https://github.com/xmu-xiaoma666/External-Attention-pytorch

加入交流群,请添加小助手wx:FightngCV666

分类:

人工智能

标签:

人工智能

作者介绍

FightingCV
V1

公众号 FightingCV