WeightWatcher （WW） 是一种开源诊断工具，用于分析深度神经网络 （DNN），无需访问训练甚至测试数据。它基于对深度学习为什么有效 （为什么有效） 的理论研究，基于我们的重尾自正则化理论

​一、软件介绍

文末提供程序和源码下载

WeightWatcher （WW） 是一种开源诊断工具，用于分析深度神经网络 （DNN），无需访问训练甚至测试数据。它基于对深度学习为什么有效 （为什么有效） 的理论研究，基于我们的重尾自正则化理论 （HT-SR）。它使用了随机矩阵理论 （RMT）、统计力学和强相关系统的思想。

二、可用于：

• analyze pre/trained pyTorch, Keras, DNN models (Conv2D and Dense layers)
  分析预先/训练的 pyTorch、Keras、DNN 模型（Conv2D 和 Dense 层）
• monitor models, and the model layers, to see if they are over-trained or over-parameterized
  监控模型和模型层，以查看它们是否过度训练或过度参数化
• predict test accuracies across different models, with or without training data
  预测不同模型的测试准确性，无论有没有训练数据
• detect potential problems when compressing or fine-tuning pretrained models
  在压缩或微调预训练模型时检测潜在问题
• layer warning labels: over-trained; under-trained
  层警告标签：过度训练;训练不足

三、安装方式：版本 0.7.5.5

pip install weightwatcher

if this fails try
如果失败，请尝试

Current TestPyPI Version 0.7.5.5
当前 TestPyPI 版本 0.7.5.5

 python3 -m pip install --index-url https://test.pypi.org/simple/ --extra-index-url https://pypi.org/simple weightwatcher

Usage 用法

import weightwatcher as ww
import torchvision.models as models

model = models.vgg19_bn(pretrained=