DeepFlow：面向深度学习开发的流式可视化编程工具

DOI

可视化编程工具最近被引入以支持深度学习开发，无需传统编程语言和框架的专业知识。然而，这些工具在复杂架构的可扩展性方面通常存在局限，且缺乏实时调试能力。本论文介绍了 DeepFlow，一个流式可视化编程工具，旨在通过利用深度学习模型作为可学习函数序列的固有视觉特性来应对这些挑战。DeepFlow 通过"超节点" Incorporated 引入了层级抽象机制，以支持模型可扩展性，这对现代复杂架构至关重要。此外，它在模型设计阶段引入了交互式调试，允许开发者在执行前验证网络架构。我们对 16 名深度学习开发者进行了用户研究，涉及典型的深度学习模型设计任务。我们使用定量可用性指标和任务后访谈评估了 DeepFlow，以评估不同专业水平下用户的感知和工作流程集成。结果展示了高可用性和用户满意度，并突出了 DeepFlow 在快速模型迭代和作为复杂深度学习架构学习辅助工具方面的有效性，同时指出了需要改进的领域。