ترجمه فارسی مقاله Penzai + Treescope: ابزاری برای تفسیر، مصورسازی و ویرایش مدل‌ها به عنوان داده

چکیده

Much of today’s machine learning research involves interpreting, modifying or visualizing models after they are trained. I present Penzai, a neural network library designed to simplify model manipulation by representing models as simple data structures, and Treescope, an interactive pretty-printer and array visualizer that can visualize both model inputs/outputs and the models themselves. Penzai models are built using declarative combinators that expose the model forward pass in the structure of the model object itself, and use named axes to ensure each operation is semantically meaningful. With Penzai’s tree-editing selector system, users can both insert and replace model components, allowing them to intervene on intermediate values or make other edits to the model structure. Users can then get immediate feedback by visualizing the modified model with Treescope. I describe the motivation and main features of Penzai and Treescope, and discuss how treating the model as data enables a variety of analyses and interventions to be implemented as data-structure transformations, without requiring model designers to add explicit hooks.

چکیده به فارسی (ترجمه ماشینی)

بخش عمده ای از تحقیقات یادگیری ماشین امروز شامل تفسیر ، اصلاح یا تجسم مدل ها پس از آموزش است.من Penzai را ارائه می دهم ، یک کتابخانه شبکه عصبی که برای ساده سازی دستکاری مدل با ارائه مدل ها به عنوان ساختار داده های ساده و Treescope ، یک چاپگر زیبا و آرایه ای تعاملی که می تواند هر دو ورودی/خروجی مدل و خود مدل ها را تجسم کند ، ارائه می دهم.مدل های Penzai با استفاده از ترکیبات اعلامی ساخته شده اند که مدل را به جلو در ساختار شیء مدل در معرض نمایش قرار می دهند و از محورهای نامگذاری شده برای اطمینان از هر عملیات از نظر معنایی معنی دار استفاده می کنند.با وجود سیستم انتخاب کننده ویرایش درختان Penzai ، کاربران می توانند اجزای مدل را وارد و جایگزین کنند و به آنها اجازه می دهند تا روی مقادیر میانی مداخله کنند یا ویرایش های دیگری را به ساختار مدل تبدیل کنند.سپس کاربران می توانند با تجسم مدل اصلاح شده با Treescope بازخورد فوری دریافت کنند.من انگیزه و ویژگی های اصلی Penzai و Treescope را شرح می دهم ، و در مورد چگونگی درمان مدل به عنوان داده ها ، انواع تجزیه و تحلیل و مداخلات را به عنوان تحولات ساختار داده ، بدون نیاز به طراحان مدل برای اضافه کردن قلاب های صریح امکان پذیر می کند.