1月17日，百度PaddlePaddle & ECharts團隊宣佈上線深度學習視覺化工具Visual DL，該工具可以使得深度學習任務變得生動形象，實現可視分析。百度希望能夠藉此為全球更廣泛的使用者提供更便捷高效的深度學習工具。
目前，大部分深度學習框架都提供了Python的使用者介面，其訓練過程的狀態通常以日記的形式被記錄下來，這種方式可以觀察短期內的訓練狀態，但是難以從全域性把握訓練過程中的變化趨勢，導致提取資訊時受到較多限制。反觀Visual DL，它改變了傳統的日記式記錄形態，便於使用者將訓練過程視覺化，幫助更好地把控全域性。
在具體使用上，Visual DL深度學習視覺化工具功能全面。首先，它的“Scalar”功能支援Scalar打點資料展示，可將訓練資訊以折線圖的形式展現出來，方便觀察整體趨勢，還能在同一個視覺化檢視中呈現多條折線，方便使用者對比分析。其次，Visual DL的“Image”功能支援圖片展示，使用者可輕鬆檢視資料樣本的質量，也可以方便地檢視訓練的中間結果，例如卷積層的輸出或者GAN生成的圖片。同時，Visual DL還具有Histogram引數分佈展示功能，方便使用者檢視引數矩陣中數值的分佈曲線，並隨時觀察引數數值分佈的變化趨勢。最後，Visual DL中的“Graph”還能幫助使用者檢視深度神經網路的模型結構。據悉，Graph支援直接對ONNX的模型進行預覽，由於MXNet，Caffe2，Pytorch和CNTK都支援轉成ONNX的模型，這意味著Graph可間接支援不同框架的模型視覺化功能，讓使用者便於排查網路配置的錯誤，幫助理解網路結構。詳情可參照如下視覺化案例：
下圖是對引數分佈和張量進行視覺化：
下圖是對張量和中間生成的影像進行視覺化：
下圖是展示訓練過程中錯誤的出現趨勢：
Visual DL除了功能全面以外，還具有易整合、易使用等優勢。它可提供獨立的Python SDK，若使用者的訓練任務基於Python，可直接安裝Visual DL的WHL軟體包，隨後輸入到專案中進行使用，使用方式簡單便捷。為了滿足使用者的不同操作需求，使用者在其Python程式碼中可加入Visual DL日誌記錄邏輯，啟動Visual DL後即可通過瀏覽器檢視日誌的視覺化結果。此外，Visual DL在底層使用C++編寫，提供原生的C++ SDK，使用者可將其深入整合到自己C++的專案，以實現更高效的效能。
值得一提的是，Visual DL現已完全開放，同時支援大部分的深度學習框架。其SDK層面可輕鬆整合到Python或者C++專案中，此外， Graph通過ONNX還可直接支援PaddlePaddle、TensorFlow、MxNet、PyTorch和Caffe2等流行的深度學習框架。對於開發者來說，Visual DL可以將深度學習任務的訓練過程視覺化，減少使用者的觀察比對時間，讓整個訓練過程更高效。
近年來，深度學習受到各領域的大力追捧，在國家層面上，深度學習框架成為了國家人工智慧戰略的重要組成部分。據悉，百度也在深度學習領域深耕多年，2016年，百度開源PaddlePaddle分散式深度學習平臺，並在開源社群Github及百度大腦平臺開放，供廣大開發者下載使用。百度PaddlePaddle具有易學易用、高效靈活等特徵，同時因更適應中國國情而深受中國開發者喜愛。目前，百度PaddlePaddle已在社群活躍度、易學易用及工業應用三方面取得了突破性進展。
不僅如此，百度為了培養更多深度學習人才，不僅組建了PaddlePaddle訓練營，為開發者和初創企業提供大量資源，幫助他們的產品行業內部快速落地，同時，還發起了國內首個深度學習教育聯盟，全方位支援深度學習人才培養。
百度相關負責人表示，人工智慧作為國家戰略的一部分，已成為各大行業巨頭的必爭之地。深度學習作為其中最熱門的研究領域，關係到中國人工智慧行業整體的發展後勁。百度作為中國領先的人工智慧公司，將繼續致力於為開發者提供最適合中國國情的開源深度學習平臺，及各種深度學習工具等，最大程度地滿足中國開發者的需要，讓深度學習為各行各業帶來巨大變革。