captum

PyTorch模型可解释性和理解的开源库

Captum 模型可解释性 PyTorch 特征归因神经网络分析 Github 开源项目

Captum是为PyTorch设计的模型可解释性库,提供集成梯度等多种算法,帮助理解模型预测依据和学习过程。它支持对抗攻击和输入扰动功能,可生成反事实解释。适用于模型开发者和可解释性研究人员,有助于改进模型性能和进行解释性研究。

文档

adversarial-attacks-pytorch - 提供对抗攻击方法的PyTorch库，支持多种攻击技术

Adversarial ExamplesGithubPyTorchTorchattacks对抗攻击开源项目计算机视觉

Torchattacks是一个专为PyTorch用户设计的对抗攻击库，提供类似PyTorch的接口和函数，便于生成对抗样本。支持包括FGSM、PGD、CW和AutoAttack在内的多种攻击方法，并附有详细的使用案例和安装指南，适用于机器学习和深度学习模型的安全性测试和对抗训练效果的提升。

automated-interpretability - 语言模型神经元行为的自动化解释工具

GPT-2Github开源项目数据集模型权重神经元行为自动解释性

automated-interpretability项目开发了一套自动化工具，用于生成、模拟和评分语言模型中神经元行为的解释。该项目提供了代码库、神经元激活查看器和GPT-2 XL神经元的公开数据集。这些资源旨在帮助研究人员和开发者深入理解大型语言模型的内部机制。

flashtorch - 基于PyTorch的神经网络可视化工具

FlashTorchGithubPyTorch可视化开源项目特征可视化神经网络

FlashTorch是基于PyTorch的神经网络可视化工具，通过简单的接口实现特征可视化技术，如显著性图和激活最大化。该工具兼容torchvision预训练模型和自定义PyTorch模型，有助于研究人员和开发者理解、解释及优化神经网络的内部工作机制。FlashTorch仅需几行代码即可应用，为深入分析神经网络提供了便捷途径。

OmniXAI - 多功能AI决策解释Python库

GithubOmniXAI可解释人工智能开源项目数据分析机器学习模型解释

OmniXAI是一个开源Python库，专注于可解释人工智能（XAI）。它支持多种数据类型和机器学习模型，提供丰富的解释方法，如特征归因和反事实解释。通过统一接口和可视化仪表板，OmniXAI简化了AI决策解释过程，适用于机器学习流程的各个阶段，为数据科学家和ML从业者提供深入洞察。

ferret - Transformer模型可解释性技术的集成框架

GithubTransformersferret可解释性开源项目特征归因评估指标

ferret是一个Python库，集成了Transformer模型的可解释性技术。它提供四种基于Token级特征归因的解释方法和六种评估协议，与transformers库无缝对接。通过简洁的API、可视化工具和数据集评估功能，ferret帮助用户深入理解和评估文本模型的决策过程。

TransformerLens - 深入解析生成式语言模型的机制解释工具

GithubTransformerLens开源工具开源项目机械可解释性神经网络解析语言模型

TransformerLens是一个开源库，专门用于解释生成式语言模型的内部机制。它支持加载50多种开源语言模型，让研究人员能够访问模型的内部激活。用户可以缓存激活数据，并在模型运行时进行编辑、删除或替换。这个工具为深入理解复杂语言模型的工作原理提供了有力支持。

zennit - 基于PyTorch的神经网络解释与探索框架

GithubLRPPyTorchZennit属性方法开源项目神经网络解释

Zennit是基于PyTorch的神经网络解释框架，专注于分层相关性传播（LRP）技术。它为研究人员提供了高度可定制和集成的标准化解决方案，用于应用基于规则的归因方法。该框架要求模型使用PyTorch的torch.nn.Module结构，目前处于活跃开发阶段，已具备基本稳定性，可用于多种神经网络解释任务。

nnsight - 解释和操作深度学习模型内部的Python包

GithubPyTorchnnsight开源项目模型操作深度学习模型神经网络解释

nnsight是一个专门用于深度学习模型内部解释和操作的Python包。它可以访问模型隐藏状态、进行噪声注入和跨提示干预。该工具支持保存中间值、修改参数和多token生成等功能，方便研究人员和开发者深入分析和调试神经网络模型。

pytorch-summary - PyTorch模型总结和可视化工具

CNNGithubKerasPyTorchtorchinfo开源项目模型可视化

pytorch-summary提供类似Keras的model.summary()功能，帮助在PyTorch中可视化和调试模型。用户可以通过pip安装或从GitHub克隆获取，轻松查看模型参数和结构，支持多种输入格式。适用于各种神经网络模型，包括CNN和VGG16，支持计算模型大小和内存需求。该工具基于MIT许可，并由社区贡献者支持和启发。

lit - 可视化机器学习模型解释工具

GithubLIT交互式可视化开源项目机器学习模型解释

LIT是一款开源的机器学习模型解释工具，支持文本、图像和表格数据分析。它提供可视化界面，包括本地解释、聚合分析和反事实生成等功能，助力用户深入理解模型行为。LIT可作为独立服务器运行，也兼容Colab、Jupyter等环境，支持多种模型类型和主流深度学习框架。通过LIT，研究人员可更好地分析模型性能、预测归因和行为一致性。

相关项目

推荐项目

豆包MarsCode

豆包 MarsCode 是一款革命性的编程助手，通过AI技术提供代码补全、单测生成、代码解释和智能问答等功能，支持100+编程语言，与主流编辑器无缝集成，显著提升开发效率和代码质量。

AI写歌

Suno AI是一个革命性的AI音乐创作平台，能在短短30秒内帮助用户创作出一首完整的歌曲。无论是寻找创作灵感还是需要快速制作音乐，Suno AI都是音乐爱好者和专业人士的理想选择。

有言AI

有言平台提供一站式AIGC视频创作解决方案，通过智能技术简化视频制作流程。无论是企业宣传还是个人分享，有言都能帮助用户快速、轻松地制作出专业级别的视频内容。

Kimi

Kimi AI助手提供多语言对话支持，能够阅读和理解用户上传的文件内容，解析网页信息，并结合搜索结果为用户提供详尽的答案。无论是日常咨询还是专业问题，Kimi都能以友好、专业的方式提供帮助。

阿里绘蛙

绘蛙是阿里巴巴集团推出的革命性AI电商营销平台。利用尖端人工智能技术，为商家提供一键生成商品图和营销文案的服务，显著提升内容创作效率和营销效果。适用于淘宝、天猫等电商平台，让商品第一时间被种草。

吐司

探索Tensor.Art平台的独特AI模型，免费访问各种图像生成与AI训练工具，从Stable Diffusion等基础模型开始，轻松实现创新图像生成。体验前沿的AI技术，推动个人和企业的创新发展。

SubCat字幕猫

SubCat字幕猫APP是一款创新的视频播放器，它将改变您观看视频的方式！SubCat结合了先进的人工智能技术，为您提供即时视频字幕翻译，无论是本地视频还是网络流媒体，让您轻松享受各种语言的内容。

美间AI

美间AI创意设计平台，利用前沿AI技术，为设计师和营销人员提供一站式设计解决方案。从智能海报到3D效果图，再到文案生成，美间让创意设计更简单、更高效。

AIWritePaper论文写作

AIWritePaper论文写作是一站式AI论文写作辅助工具，简化了选题、文献检索至论文撰写的整个过程。通过简单设定，平台可快速生成高质量论文大纲和全文，配合图表、参考文献等一应俱全，同时提供开题报告和答辩PPT等增值服务，保障数据安全，有效提升写作效率和论文质量。

使用协议隐私政策广告服务

投诉举报邮箱: service@vectorlightyear.com