=============================== 毕加索

.. image:: https://img.shields.io/pypi/v/picasso-viz.svg :target: https://pypi.python.org/pypi/picasso-viz

.. image:: https://img.shields.io/travis/merantix/picasso.svg :target: https://travis-ci.org/merantix/picasso

.. image:: https://readthedocs.org/projects/picasso/badge/?version=latest :target: https://picasso.readthedocs.io/en/latest/?badge=latest :alt: Documentation Status

.. image:: https://img.shields.io/codecov/c/github/merantix/picasso/master.svg
:target: https://codecov.io/github/merantix/picasso?branch=master

一个卷积神经网络模型可视化工具

请参阅 Medium文章_ 以了解关于毕加索的介绍。

• 自由软件：Eclipse 公共许可证
• 文档：https://picasso.readthedocs.io。

如果您在研究中使用了毕加索，请 引用我们的论文_：

.. code::

    Henderson, R. & Rothe, R., (2017). Picasso: A Modular Framework for Visualizing the Learning Process of Neural Network Image Classifiers. Journal of Open Research Software. 5(1), p.22. 

快速入门

毕加索使用 Python 3.5+，因此如有需要请使用虚拟环境（例如 virtualenv env --python=python3），并 激活它！

#. 使用 pip 安装或从源代码安装。

使用 pip：

.. code::

    pip install picasso-viz

从仓库：

.. code::

    git clone git@github.com:merantix/picasso.git
    cd picasso
    pip install -e .

注意：您需要 Keras 的 TensorFlow 后端才能使这些示例正常工作。请确保您的 ~/.keras/keras.json 文件如下所示：

.. code::

    {
        "backend": "tensorflow",
        "image_dim_ordering": "tf",
        "floatx": "float32",
        "epsilon": 1e-07
    }

#. 启动 Flask 服务器

.. code::

    export FLASK_APP=picasso
    flask run

打开浏览器访问 127.0.0.1:5000，您应该能看到欢迎页面！完成后，在终端中按 Ctrl+C 来停止 Flask 服务器。

构建文档

文档比这个 README 更加详尽，包括如何让 Keras VGG16 和 Tensorflow MNIST 模型正常运行的说明，以及如何构建自定义可视化和使用自定义模型的指南。这假设您已经克隆了仓库。首先安装所需的包：

.. code::

pip install -e .[docs]

然后构建文档：

.. code::

cd docs/
make html

之后您可以在任意浏览器中打开 _build/html/index.html。

注意事项

#. 原则上，使用 Theano 后端在 Keras 上生成的模型也应该支持。唯一的区别在于卷积操作中的数组顺序。不过我尚未尝试过，因此可能需要额外的配置参数。

致谢

• Elias_ 和 Filippo_ 对早期代码贡献及发现 bug 和问题表示感谢。
• John_, Josh_, Rasmus_ 和 Stefan_ 提供了细致的代码审查和反馈。
• 网站图标是对这张照片_的修改，该照片拍摄的是巴勃罗·毕加索于 1907 年创作的画作《亚维农的少女》。摄影：Max Braun。
• 本包是通过 Cookiecutter_ 和 audreyr/cookiecutter-pypackage_ 项目模板创建的。

.. _Cookiecutter: https://github.com/audreyr/cookiecutter .. _audreyr/cookiecutter-pypackage: https://github.com/audreyr/cookiecutter-pypackage .. _photograph: https://www.flickr.com/photos/maxbraun/4045020694 .. _Les Demoiselles d'Avignon: https://en.wikipedia.org/wiki/Les_Demoiselles_d%27Avignon .. _Elias: https://github.com/Sylvus .. _Filippo: https://github.com/scopelf .. _John: https://github.com/JohnMcSpedon .. _Josh: https://github.com/jwayne .. _Rasmus: https://github.com/rrothe .. _Stefan: https://github.com/knub .. _Medium post: https://medium.com/merantix/picasso-a-free-open-source-visualizer-for-cnns-d8ed3a35cfc5 .. _please cite our paper: http://doi.org/10.5334/jors.178

Picasso 快速上手指南

Picasso 是一个用于可视化卷积神经网络（CNN）学习过程的模块化框架。本指南将帮助您快速在本地部署并运行该工具。

环境准备

在开始之前，请确保您的开发环境满足以下要求：

• 操作系统：Linux, macOS 或 Windows
• Python 版本：Python 3.5 或更高版本
• 前置依赖：
  • 推荐使用虚拟环境（如 virtualenv 或 venv）隔离依赖。
  • 后端要求：本工具示例基于 Keras 框架，且必须配置为 TensorFlow 后端。

配置 Keras 后端： 请检查并确保您的 ~/.keras/keras.json 配置文件内容如下（关键是将 backend 设置为 tensorflow）：

{
    "backend": "tensorflow",
    "image_dim_ordering": "tf",
    "floatx": "float32",
    "epsilon": 1e-07
}

安装步骤

您可以选择通过 PyPI 直接安装，或从源代码安装。

方式一：使用 pip 安装（推荐）

pip install picasso-viz

方式二：从源码安装

如果您需要最新功能或进行开发，可以克隆仓库进行安装：

git clone git@github.com:merantix/picasso.git
cd picasso
pip install -e .

基本使用

安装完成后，按照以下步骤启动可视化服务：

1. 设置环境变量并启动 Flask 服务器

   在终端中执行以下命令：

   export FLASK_APP=picasso
   flask run
   

2. 访问可视化界面

   打开浏览器，访问地址： http://127.0.0.1:5000

   您应该能看到 Picasso 的首页。

3. 停止服务

   使用完毕后，在终端中按下 Ctrl+C 即可关闭 Flask 服务器。

提示：如需更高级的功能（如加载 VGG16 模型、MNIST 数据集或自定义模型），请参考官方完整文档：https://picasso.readthedocs.io