As restrições de dispositivos de borda geralmente exigem etapas extras para converter e
otimizar modelos antes que eles sejam executados de maneira eficiente. A visualização é uma das
maneiras mais eficazes de entender um modelo e identificar metas para otimização.
Conversão
Quantização.
Otimização
O recurso de comparação lado a lado do Model Explorer facilita a identificação de problemas relacionados à conversão. Navegue pela camada do gráfico,
abrindo e fechando seções para se aprofundar no gráfico.
Inspecione a estrutura interna e as conexões nos gráficos com a
granularidade necessária.
Use o Model Explorer para identificar operações problemáticas afetadas pela
quantização. Ordene as operações por métricas de erro para encontrar quedas de qualidade,
receber insights por camada e comparar diferentes resultados de quantização
para encontrar o equilíbrio ideal entre tamanho e qualidade do modelo.
Use o Model Explorer para entender melhor a saída das ferramentas de comparação de mercado e depuração. Receba insights sobre quais operações podem
ser executadas na GPU, classifique as operações por latência e compare a performance de cada operação
entre os aceleradores.
Suporte a modelos grandes
O Model Explorer foi projetado para renderizar modelos grandes sem problemas. Milhares de
nós? Sem problemas. O mecanismo de renderização baseado em GPU pode aumentar o escalonamento para
renderizar modelos muito grandes sem problemas. E a abordagem exclusiva do Model Explorer para
reduzir camadas, como um sistema de arquivos e pastas, significa que ele é mais rápido e
fácil de navegar.
Recursos projetados para ajudar você a trabalhar mais rápido
Pesquisa
Visualização dividida
Sobreposições de dados
A pesquisa avançada baseada em regex ajuda a localizar, filtrar e destacar
nós específicos.
Carregue modelos lado a lado na mesma guia para facilitar a comparação.
Carregue dados personalizados e específicos do nó no Model Explorer para identificar rapidamente
pontos de acesso e outros problemas com o modelo.
Exportar para .png
Gerenciamento de favoritos
Fácil acesso a metadados
Com o clique de um botão, exporte uma imagem do gráfico para compartilhar
com sua equipe.
Salve sua localização no gráfico adicionando marcadores, facilitando
a navegação entre as áreas.
Confira formas de tensor, rastreie entradas e saídas, destaque camadas idênticas,
confira contagens de nós filhos e muito mais.
Duas maneiras de usar o Model Explorer
Executar localmente
Executar em um notebook do Colab
Siga as instruções de
instalação (em inglês) no GitHub para configurar o Model Explorer na sua máquina
local. Ele é executado em uma janela do navegador, e todos os dados permanecem locais.
Compatível com Linux, Mac e Windows.
O Model Explorer funciona bem no Colab, o que significa que você pode integrá-lo ao
fluxo de trabalho de desenvolvimento de modelos. Teste o notebook
de demonstração ou siga as instruções
de instalação para adicioná-lo ao seu.
[[["Fácil de entender","easyToUnderstand","thumb-up"],["Meu problema foi resolvido","solvedMyProblem","thumb-up"],["Outro","otherUp","thumb-up"]],[["Não contém as informações de que eu preciso","missingTheInformationINeed","thumb-down"],["Muito complicado / etapas demais","tooComplicatedTooManySteps","thumb-down"],["Desatualizado","outOfDate","thumb-down"],["Problema na tradução","translationIssue","thumb-down"],["Problema com as amostras / o código","samplesCodeIssue","thumb-down"],["Outro","otherDown","thumb-down"]],["Última atualização 2025-01-13 UTC."],[],[],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. |"]]