1月17日，百度PaddlePaddle& ECharts團隊宣布上線深度學習可視化工具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。百度希望能夠借此為全球更廣泛的用戶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的用戶界面，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，但是難以從全局把握訓練過程中的變化趨勢，導致提取信息時受到較多限制。反觀Visual DL，它改變了傳統的日記式記錄形態，便于用戶將訓練過程可視化，幫助更好地把控全局。

在具體使用上，Visual DL深度學習可視化工具功能全面。首先，它的“Scalar”功能支持Scalar打點數據展示，可將訓練信息以折線圖的形式展現出來，方便觀察整體趨勢，還能在同一個可視化視圖中呈現多條折線，方便用戶對比分析。其次，Visual DL的“Image”功能支持圖片展示，用戶可輕松查看數據樣本的質量，也可以方便地查看訓練的中間結果，例如卷積層的輸出或者GAN生成的圖片。同時，VisualDL還具有Histogram參數分布展示功能，方便用戶查看參數矩陣中數值的分布曲線，并隨時觀察參數數值分布的變化趨勢。最后，Visual DL中的“Graph”還能幫助用戶查看深度神經網絡的模型結構。據悉，Graph支持直接對ONNX的模型進行預覽，由于MXNet，Caffe2，Pytorch和CNTK都支持轉成ONNX的模型，這意味著Graph可間接支持不同框架的模型可視化功能，讓用戶便于排查網絡配置的錯誤，幫助理解網絡結構。詳情可參照如下可視化案例：

下圖是對參數分布和張量進行可視化：

下圖是對張量和中間生成的圖像進行可視化：

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，還具有易集成、易使用等優勢。它可提供獨立的Python SDK，若用戶的訓練任務基于Python，可直接安裝Visual DL的WHL軟件包，隨后輸入到項目中進行使用，使用方式簡單便捷。為了滿足用戶的不同操作需求，用戶在其Python代碼中可加入Visual DL日志記錄邏輯，啟動Visual DL后即可通過瀏覽器查看日志的可視化結果。此外，Visual DL在底層使用C++編寫，提供原生的C++ SDK，用戶可將其深入集成到自己C++的項目，以實現更高效的性能。

值得一提的是，VisualDL現已完全開放，同時支持大部分的深度學習框架。其SDK層面可輕松集成到Python或者C++項目中，此外， Graph通過ONNX還可直接支持PaddlePaddle、TensorFlow、MxNet、PyTorch和Caffe2等流行的深度學習框架。對于開發者來說，Visual DL可以將深度學習任務的訓練過程可視化，減少用戶的觀察比對時間，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能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分布式深度學習平臺，并在開源社區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、高效靈活等特征，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已在社區活躍度、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，全方位支持深度學習人才培養。

百度相關負責人表示，人工智能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，關系到中國人工智能行業整體的發展后勁。百度作為中國領先的人工智能公司，將繼續致力于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。