محدودیت‌های دستگاه‌های لبه اغلب نیازمند مراحل اضافی برای تبدیل و بهینه‌سازی مدل‌ها قبل از اجرای کارآمد هستند، و تجسم یکی از مؤثرترین راه‌ها برای درک یک مدل و شناسایی اهداف برای بهینه‌سازی است.
تبدیل
کوانتیزاسیون
بهینه سازی
ویژگی مقایسه جانبی مدل اکسپلورر تشخیص مسائل مربوط به تبدیل را آسان‌تر می‌کند. گراف را لایه به لایه پیمایش کنید و با بزرگ کردن و جمع کردن بخش ها به عمق نمودار بروید. ساختار داخلی و اتصالات درون نمودارها را با دانه بندی مورد نیاز بررسی کنید.
از Model Explorer برای شناسایی عملیات مشکل ساز تحت تأثیر کوانتیزاسیون استفاده کنید. عملیات ها را بر اساس معیارهای خطا مرتب کنید تا افت کیفیت را پیدا کنید، بینش در هر لایه دریافت کنید، و نتایج کوانتیزاسیون مختلف را برای یافتن مبادله اندازه و کیفیت مدل ایده آل مقایسه کنید.
از Model Explorer برای درک بهتر خروجی ابزارهای سنجش و اشکال زدایی خود استفاده کنید. بینش‌هایی به دست آورید که عملیات‌ها می‌توانند روی GPU اجرا شوند، عملیات‌ها را بر اساس تأخیر مرتب‌سازی کنند، و عملکرد هر عملیات را در میان شتاب‌دهنده‌ها مقایسه کنند.
پشتیبانی از مدل های بزرگ
Model Explorer برای ارائه یکپارچه مدل های بزرگ طراحی شده است. هزاران گره؟ مشکلی نیست موتور رندر مبتنی بر GPU قادر است تا حتی مدل‌های بسیار بزرگ را هموار کند. و رویکرد منحصر به فرد Model Explorer برای جمع کردن لایه‌ها مانند سیستمی از فایل‌ها و پوشه‌ها به این معنی است که پیمایش سریعتر و آسان‌تر است.
ویژگی هایی طراحی شده اند تا به شما کمک کنند سریعتر کار کنید
جستجو کنید
تقسیم نمای
پوشش داده ها
جستجوی قدرتمند مبتنی بر regex به شما کمک می‌کند گره‌های خاصی را مکان‌یابی، فیلتر و برجسته کنید.
برای مقایسه آسان، مدل ها را در کنار هم در همان برگه بارگذاری کنید.
داده های سفارشی و ویژه گره را در Model Explorer بارگیری کنید تا به سرعت نقاط داغ و سایر مشکلات مدل خود را شناسایی کنید.
صادرات به png
نشانک گذاری
دسترسی آسان به متادیتا
با کلیک یک دکمه، تصویری از نمودار را صادر کنید تا با تیم خود به اشتراک بگذارید.
با افزودن نشانک‌ها، موقعیت مکانی خود را در نمودار ذخیره کنید و پرش بین مناطق را آسان کنید.
شکل‌های تانسور را مشاهده کنید، ورودی‌ها و خروجی‌ها را ردیابی کنید، لایه‌های یکسان را برجسته کنید، تعداد گره‌های فرزند را ببینید و موارد دیگر.
دو روش برای استفاده از Model Explorer
آن را به صورت محلی اجرا کنید
آن را در یک نوت بوک کولب اجرا کنید
دستورالعمل‌های نصب آسان در GitHub را برای راه‌اندازی Model Explorer در دستگاه محلی خود دنبال کنید. در پنجره مرورگر اجرا می شود و تمام داده های شما محلی می ماند. از لینوکس، مک و ویندوز پشتیبانی می کند.
Model Explorer در Colab به خوبی اجرا می شود، به این معنی که می توانید آن را در گردش کار توسعه مدل موجود خود ادغام کنید. نوت بوک دمو را امتحان کنید یا دستورالعمل های نصب را دنبال کنید تا آن را به دفترچه خود اضافه کنید.
تاریخ آخرین بهروزرسانی 2025-01-13 بهوقت ساعت هماهنگ جهانی.
[[["درک آسان","easyToUnderstand","thumb-up"],["مشکلم را برطرف کرد","solvedMyProblem","thumb-up"],["غیره","otherUp","thumb-up"]],[["اطلاعاتی که نیاز دارم وجود ندارد","missingTheInformationINeed","thumb-down"],["بیشازحد پیچیده/ مراحل بسیار زیاد","tooComplicatedTooManySteps","thumb-down"],["قدیمی","outOfDate","thumb-down"],["مشکل ترجمه","translationIssue","thumb-down"],["مشکل کد / نمونهها","samplesCodeIssue","thumb-down"],["غیره","otherDown","thumb-down"]],["تاریخ آخرین بهروزرسانی 2025-01-13 بهوقت ساعت هماهنگ جهانی."],[],[],null,["# Model Explorer\n\n**A visualization tool that lets you analyze ML models and graphs, accelerating\ndeployment to on-device targets.**\n\n[Get Started](https://github.com/google-ai-edge/model-explorer/wiki/1.-Installation)\n[Try it in Colab](https://github.com/google-ai-edge/model-explorer/blob/main/example_colabs/quick_start.ipynb)\n[Learn More](https://github.com/google-ai-edge/model-explorer/)\n\n### Making edge development faster\n\nThe constraints of edge devices often necessitate extra steps to convert and\noptimize models before they run efficiently, and visualization is one of the\nmost effective ways to understand a model and identify targets for optimization.\n\n| **Conversion** | **Quantization** | **Optimization** |\n|-----------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------|-----------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------|----------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------|\n| Model Explorer's side-by-side comparison feature makes it easier to spot conversion-related issues. Navigate the graph layer by layer, diving deeper into the graph by expanding and collapsing sections. Inspect the internal structure and connections within graphs at the granularity you need. | Use Model Explorer to identify problematic operations affected by quantization. Sort ops by error metrics to find quality drops, get insights per layer, and compare different quantization results to find the ideal model size-quality trade-off. | Use Model Explorer to better understand the output from your benchmarking and debugging tools. Gain insights into which ops can run on GPU, sort ops by latency, and compare per-op performance across accelerators. |\n\n### Support for large models\n\nModel Explorer is designed to render large models seamlessly. Thousands of\nnodes? No problem. The GPU-based rendering engine is capable of scaling up to\nsmoothly render even very large models. And Model Explorer's unique approach to\ncollapsing layers like a system of files and folders means that it's faster and\neasier to navigate.\n\n### Features designed to help you work faster\n\n| **Search** | **Split View** | **Data Overlays** |\n|-------------------------------------------------------------------------------------|--------------------------------------------------------------------------------------------|---------------------------------------------------------------------------------------------------------------------|\n| Powerful regex-based search helps you locate, filter, and highlight specific nodes. | Load models side by side in the same tab for easy comparison. | Load custom, node-specific data into Model Explorer to quickly identify hot spots and other issues with your model. |\n| With the click of a button, export an image of the graph to share with your team. | Save your location in the graph by adding bookmarks, making it easy to jump between areas. | View tensor shapes, trace inputs and outputs, highlight identical layers, see child node counts, and more. |\n\n### Two ways to use Model Explorer\n\n| **Run it locally** | **Run it in a Colab notebook** |\n|--------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------|--------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------|\n| Follow the easy [installation instructions](https://github.com/google-ai-edge/model-explorer/wiki/1.-Installation) on GitHub to set up Model Explorer on your local machine. It runs in a browser window and all your data stays local. Supports Linux, Mac and Windows. | Model Explorer runs well in Colab, meaning you can integrate it into your existing model development workflow. Try the [demo notebook](https://github.com/google-ai-edge/model-explorer/blob/main/example_colabs/quick_start.ipynb) or follow the [installation instructions](https://github.com/google-ai-edge/model-explorer/wiki/5.-Run-in-Colab-Notebook) to add it to your own. |"]]
