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。
论文、博客写好了,里边的图可怎样画?关于许多研讨人员和开发者来说,内容的「可视化」是一个大问题。假如从头开始画,配色、空间布局都很伤脑筋,并且画丑了也拿不出手,要是有模板能够套就好了。
别急,还真有人做了一套模板。
这套模板名叫 ML Visuals,是专为处理神经网络画图问题规划的。项目放出不到十天,就引来了不少人的重视,收成了 500 多 star。
下边这张图是不是很面善?这便是大名鼎鼎的 Transformer 架构,右边是谷歌大脑论文《Attention Is All You Need》中的 Transformer 架构原图,左面是用上述模板从头画出来的,复原度是不是很高,并且看起来很漂亮?
ML Visuals 供给了愈加专业、漂亮、恰当的视觉效果和图形,能够协助机器学习社区改善科学交流。用户能够在 PPT 或博客中免费运用其间的视觉效果和图形。
该项目由 dair.ai 社区创建和保护(dair.ai 社区致力于民主化人工智能研讨、教育和技能),社区成员将持续更新,增加更常见的图形和基本要素。
用户能够免费下载、仿制、分发、重用这儿的模板,还能够依据自己的需求进行自定义。
ML 专用画图模板,解救手残党
ML Visuals 项目中每个美观又杂乱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,如表明进程、操作或转化的圆角矩形,表明神经元或恣意操作的小圆圈,表明向量的一排小方块以及表明多维数组的网格等。
挑选其间一些模块组合运用,就能够得到神经网络的一层:
它们还能够用来表明神经网络中的某个进程,如下图中的分词进程:
再杂乱一点,还能够画出整个神经网络:
此外,这套模板还可用来表明机器学习范畴的一些概念,如线性回归:
Dropout:
关于喜爱「暗黑形式」的同学,这个项目也照料到了:
除此之外,该项目还供给了布景模板,便利用户进行图形自定义。
怎样运用?
该项目运用 Google Slides 对一切视觉效果和图形进行保护,用户能够经过 Google Slides 运用其间的组件,或履行增加、自定义等操作。
增加
想要增加自定义图,只需增加一张新的幻灯片,并重用恣意根底视觉组件。不过你需求先获取修改权限(点击「只能检查」工具栏下的「恳求修改权限」或许发邮件至 ellfae@gmail.com 获取修改权限)。
仿制并运用
用户还能够仿制这些幻灯片并按照自己的志愿进行自定义。
同享
dair.ai 社区鼓舞用户增加自己的图形并答应别人重用。不过,图形作者最好在幻灯片补白中增加作者信息,便利其别人在重用这些图形时进行恰当地引证。图形作者或规划者还能够增加自己的名字和邮件地址,便利其他用户咨询相关问题。
此外,图形作者能够为自己的视觉图形供给简略的描绘,以协助其他用户了解用处。
用户需求留意的是,在获取修改权限后,不要删去别人增加的图形。假如想要进行改善,用户能够新增一张幻灯片,并增加改善版别。
下载
下载幻灯片的进程很简略,只需点击「文件→下载」,然后挑选适宜的格局即可。
除此以外,假如用户在图形自定义方面需求协助,或许有一些对别人有利的主意,能够翻开 issue 页面(
https://github.com/dair-ai/ml-visuals/issues/new)进行描绘。
- 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
知优网 » 画图太丑拿不出手?有人做了套机器学习专用画图模板,还有暗黑形式