懂AI
InterpretDL

InterpretDL

深度学习模型解释工具包，助力AI可解释性研究

InterpretDL是基于PaddlePaddle的深度学习模型解释工具包，集成多种经典和前沿解释算法。该工具支持计算机视觉和自然语言处理等任务，可帮助用户分析模型内部机制，为模型开发和研究提供洞察。InterpretDL实现了LIME、Grad-CAM、Integrated Gradients等算法，适合研究人员和开发者使用。

InterpretDL深度学习模型解释PaddlePaddle可视化Github开源项目
访问官网GitHub论文文档

English | 中文

发布 PyPI CircleCI 文档状态 下载量

logo

InterpretDL: 基于PaddlePaddle的深度学习模型解释工具

InterpretDL是一个基于PaddlePaddle模型的解释工具包，全称为深度学习模型解释。该工具包实现了多种解释算法，包括LIME、Grad-CAM、积分梯度等。一些最先进和新颖的解释算法也已实现。

InterpretDL正在积极开发中，欢迎各种贡献！

为什么选择InterpretDL

日益复杂的深度学习模型使人们无法理解其内部工作原理。黑盒模型的可解释性已成为许多优秀研究人员的研究重点。InterpretDL提供了一系列经典和新颖的算法来解释模型。

通过利用这些有用的方法，人们可以更好地理解模型为什么有效以及为什么无效，从而为模型开发过程做出贡献。

对于从事设计新解释算法的研究人员来说，InterpretDL提供了一种简单的方法来访问现有方法，以便与他们的工作进行比较。

:fire: :fire: :fire: 新闻 :fire: :fire: :fire:

  • (2023.2) 一篇关于解释Transformers的论文被TMLR接收。实现请参见BT。

Jiamin Chen, Xuhong Li, Lei Yu, Dejing Dou, Haoyi Xiong. "Beyond Intuition: Rethinking Token Attributions inside Transformers." TMLR. 论文链接。

  • (2022.11) 两篇论文分别被AAAI'23和Artificial Intelligence接收。实现请参见G-LIME和TrainingDynamics。

Xuhong Li, Haoyi Xiong, Xingjian Li, Xiao Zhang, Ji Liu, Haiyan Jiang, Zeyu Chen, Dejing Dou. "G-LIME: Statistical Learning for Local Interpretations of Deep Neural Networks using Global Priors." Artificial Intelligence, 2023. PDF链接。

Qingrui Jia, Xuhong Li, Lei Yu, Penghao Zhao, Jiang Bian, Shupeng Li, Haoyi Xiong, Dejing Dou. "Learning from Training Dynamics: Identifying Mislabeled Data Beyond Manually Designed Features". AAAI 2023. PDF链接。

演示

解释算法为我们提供了黑盒模型做出决策的原因。

下表展示了几种解释算法应用于原始图像的可视化结果，告诉我们模型为什么预测为"牛头犬"。

原始图像IntGrad (演示)SG (演示)LIME (演示)Grad-CAM (演示)

对于情感分析任务，模型给出积极/消极预测的原因可以如下可视化。快速演示可以在这里找到。中文样本也可以在这里找到。

目录

安装

本工具需要深度学习框架paddlepaddle，推荐使用支持CUDA的版本。

pip安装

pip install interpretdl

# 或使用清华镜像
pip install interpretdl -i https://pypi.tuna.tsinghua.edu.cn/simple

开发者安装

git clone https://github.com/PaddlePaddle/InterpretDL.git
# ...修复bug或添加新功能
cd InterpretDL && pip install -e .
# 欢迎提交pull request和贡献
yapf -i <python文件路径>  # 代码风格：column_limit=120

单元测试

# 运行gradcam单元测试
python -m unittest -v tests.interpreter.test_gradcam
# 运行所有单元测试
python -m unittest -v

文档

在线链接：interpretdl.readthedocs.io。

或在本地生成文档：

git clone https://github.com/PaddlePaddle/InterpretDL.git
cd docs
make html
open _build/html/index.html

快速入门

所有解释器都继承自抽象类Interpreter，其中interpret(**kwargs)是调用的函数。

# SmoothGradient解释器的示例

import interpretdl as it
from paddle.vision.models import resnet50
paddle_model = resnet50(pretrained=True)
sg = it.SmoothGradInterpreter(paddle_model, use_cuda=True)
gradients = sg.interpret("test.jpg", visual=True, save_path=None)

我们提供了一个快速入门教程（或NBviewer版本）。只需几分钟即可熟悉InterpretDL。

示例和教程

我们为每种解释算法和每种可信度评估算法提供了至少一个示例，希望涵盖CV和NLP的应用。

我们目前正在准备InterpretDL的易用性教程。

示例和教程都可以在tutorials文件夹下找到。

路线图

我们计划创建一个有用的工具包，用于提供模型解释和评估。 我们现在已经实现了以下解释算法，并计划添加更多需要的算法。 欢迎贡献或告诉我们您需要哪些算法。

已实现算法的分类

我们使用两个维度（解释结果的表示和目标模型的类型）对解释算法进行分类。这种分类可以作为为目标任务和模型找到最合适算法的指标。

方法表示方式模型类型
LIME输入特征模型无关
LIME with Prior输入特征模型无关
GLIME输入特征模型无关
NormLIME/FastNormLIME输入特征模型无关
LRP输入特征可微分*
SmoothGrad输入特征可微分
IntGrad输入特征可微分
GradSHAP输入特征可微分
Occlusion输入特征模型无关
GradCAM/CAM中间特征特定：CNN
ScoreCAM中间特征特定：CNN
Rollout中间特征特定：Transformer
TAM输入特征特定：Transformer
Generic Attention输入特征特定：Transformer
Bidirectional输入特征特定：Transformer
ForgettingEvents数据集级别可微分
TIDY (训练数据分析器)数据集级别可微分
BHDF数据集级别**可微分
Consensus特征跨模型
  • LRP 需要模型具有特定实现以支持相关性反向传播。

** 数据集级别的解释器需要一个训练过程。

已实现的可信度评估算法

可解释性评估算法

计划中的算法

  • 中间特征解释算法

    • 更多针对 Transformer 的特定解释器

  • 数据集级别解释算法

    • 影响函数

  • 评估

    • 局部保真度
    • 单调性
    • 不忠实度
    • 敏感性

演讲

Linux 基金会 AI & Data 项目 -- 可解释深度学习：解释、可解释性、可信度及其他。视频链接（00:20:30 -- 00:45:00）。

百度 Create 2021（中文）：视频链接（01:18:40 -- 01:36:30）。

ICML 2021 展览 -- 可解释深度学习：解释、可解释性、可信度及其他。视频链接。

算法参考文献

版权和许可

InterpretDL 在 Apache-2.0 许可 下提供。

最新动态

  • (2022.08) 本仓库相关的论文被机器学习研究期刊（JMLR）接受。如果这个仓库对您的工作有所帮助，请考虑引用这篇论文：

    Xuhong Li, Haoyi Xiong, Xingjian Li, Xuanyu Wu, Zeyu Chen, and Dejing Dou. "InterpretDL: Explaining Deep Models in PaddlePaddle." Journal of Machine Learning Research, 2022. https://jmlr.org/papers/v23/21-0738.html.

    @article{JMLR:v23:21-0738,
  author  = {Xuhong Li and Haoyi Xiong and Xingjian Li and Xuanyu Wu and Zeyu Chen and Dejing Dou},
  title   = {InterpretDL: Explaining Deep Models in PaddlePaddle},
  journal = {Journal of Machine Learning Research},
  year    = {2022},
  volume  = {23},
  number  = {197},
  pages   = {1--6},
  url     = {http://jmlr.org/papers/v23/21-0738.html}
  }

  • (2022.08) 两项研究工作被ECML和Machine Learning Journal接受。跨模型一致性解释被用于创建一个名为PSSL的伪语义分割数据集，其中包含对应整个ImageNet训练集的120万个伪掩码。该数据集现已公开可用。

    参考 PaddleSeg:PSSL 下载数据集和预训练模型。

    有关一致性解释及其如何帮助语义分割任务的详细信息，请参阅以下论文：

    Xuhong Li, Haoyi Xiong, Siyu Huang, Shilei Ji, Dejing Dou. Cross-Model Consensus of Explanations and Beyond for Image Classification Models: An Empirical Study. ECML'22, Machine Learning Journal Track. https://arxiv.org/abs/2109.00707.

    Xuhong Li, Haoyi Xiong, Yi Liu, Dingfu Zhou, Zeyu Chen, Yaqing Wang, and Dejing Dou. "Distilling ensemble of explanations for weakly-supervised pre-training of image segmentation models." Machine Learning (2022): 1-17. https://arxiv.org/abs/2207.03335.

  • (2022/04/27) 提供了入门教程。您可以从 GitHub 或 NBViewer 查看。每种算法（包括解释器和评估器）都提供了使用示例。我们目前正在准备InterpretDL的易用性教程。教程和示例都可以在 tutorial 文件夹下找到。

  • (2022/01/06) 实现了跨模型共识解释方法。简而言之，该方法对几个模型的解释结果进行平均。这种方法不是解释单个模型，而是能够准确定位输入数据中的判别特征。详情请参阅论文。

    • 共识: Xuhong Li, Haoyi Xiong, Siyu Huang, Shilei Ji, Dejing Dou. 图像分类模型解释的跨模型共识及其他：一项实证研究。arXiv:2109.00707。

    我们展示了一个使用六个模型的演示（最后一列显示共识解释），而使用更多模型（约15个）可以得到更好的结果。更多详情请参阅示例。

    共识结果

  • (2021/10/20) 为PaddlePaddle的Vision Transformers实现了过渡注意力图（TAM）解释方法。像往常一样，只需几行代码即可调用这个解释器。详情请参阅示例和论文：

    • TAM: Tingyi Yuan, Xuhong Li, Haoyi Xiong, Hui Cao, Dejing Dou. 使用马尔可夫链解释Vision Transformers内部的信息流。发表于Neurips 2021 XAI4Debugging研讨会。
    import paddle
import interpretdl as it

# 加载vit模型和权重
# !wget -c https://paddle-imagenet-models-name.bj.bcebos.com/dygraph/ViT_base_patch16_224_pretrained.pdparams -P assets/
from assets.vision_transformer import ViT_base_patch16_224
paddle_model = ViT_base_patch16_224()
MODEL_PATH = 'assets/ViT_base_patch16_224_pretrained.pdparams'
paddle_model.set_dict(paddle.load(MODEL_PATH))

# 调用解释器
tam = it.TAMInterpreter(paddle_model, use_cuda=True)
img_path = 'samples/el1.png'
heatmap = tam.interpret(
        img_path,
        start_layer=4,
        label=None,  # 大象
        visual=True,
        save_path=None)
heatmap = tam.interpret(
        img_path,
        start_layer=4,
        label=340,  # 斑马
        visual=True,
        save_path=None)
    图像大象斑马
    imageelephantzebra

  • (2021/07/22) 为PaddlePaddle的Vision Transformers实现了Rollout解释。查看notebook以获取可视化结果。

    import paddle
import interpretdl as it

# wget -c https://paddle-imagenet-models-name.bj.bcebos.com/dygraph/ViT_small_patch16_224_pretrained.pdparams -P assets/
from assets.vision_transformer import ViT_small_patch16_224
paddle_model = ViT_small_patch16_224()
MODEL_PATH = 'assets/ViT_small_patch16_224_pretrained.pdparams'
paddle_model.set_dict(paddle.load(MODEL_PATH))

img_path = 'assets/catdog.png'
rollout = it.RolloutInterpreter(paddle_model, use_cuda=True)
heatmap = rollout.interpret(img_path, start_layer=0, visual=True)

编辑推荐精选

问小白

问小白

全能AI智能助手，随时解答生活与工作的多样问题

问小白，由元石科技研发的AI智能助手，快速准确地解答各种生活和工作问题，包括但不限于搜索、规划和社交互动，帮助用户在日常生活中提高效率，轻松管理个人事务。

聊天机器人AI助手热门AI工具AI对话
Transly

Transly

实时语音翻译/同声传译工具

Transly是一个多场景的AI大语言模型驱动的同声传译、专业翻译助手，它拥有超精准的音频识别翻译能力，几乎零延迟的使用体验和支持多国语言可以让你带它走遍全球，无论你是留学生、商务人士、韩剧美剧爱好者，还是出国游玩、多国会议、跨国追星等等，都可以满足你所有需要同传的场景需求，线上线下通用，扫除语言障碍，让全世界的语言交流不再有国界。

讯飞智文

讯飞智文

一键生成PPT和Word，让学习生活更轻松

讯飞智文是一个利用 AI 技术的项目，能够帮助用户生成 PPT 以及各类文档。无论是商业领域的市场分析报告、年度目标制定，还是学生群体的职业生涯规划、实习避坑指南，亦或是活动策划、旅游攻略等内容，它都能提供支持，帮助用户精准表达，轻松呈现各种信息。

热门AI工具AI办公办公工具讯飞智文AI在线生成PPTAI撰写助手多语种文档生成AI自动配图
讯飞星火

讯飞星火

深度推理能力全新升级，全面对标OpenAI o1

科大讯飞的星火大模型，支持语言理解、知识问答和文本创作等多功能，适用于多种文件和业务场景，提升办公和日常生活的效率。讯飞星火是一个提供丰富智能服务的平台，涵盖科技资讯、图像创作、写作辅助、编程解答、科研文献解读等功能，能为不同需求的用户提供便捷高效的帮助，助力用户轻松获取信息、解决问题，满足多样化使用场景。

模型训练热门AI工具内容创作智能问答AI开发讯飞星火大模型多语种支持智慧生活
Spark-TTS

Spark-TTS

一种基于大语言模型的高效单流解耦语音令牌文本到语音合成模型

Spark-TTS 是一个基于 PyTorch 的开源文本到语音合成项目，由多个知名机构联合参与。该项目提供了高效的 LLM（大语言模型）驱动的语音合成方案，支持语音克隆和语音创建功能，可通过命令行界面（CLI）和 Web UI 两种方式使用。用户可以根据需求调整语音的性别、音高、速度等参数，生成高质量的语音。该项目适用于多种场景，如有声读物制作、智能语音助手开发等。

Trae

Trae

字节跳动发布的AI编程神器IDE

Trae是一种自适应的集成开发环境（IDE），通过自动化和多元协作改变开发流程。利用Trae，团队能够更快速、精确地编写和部署代码，从而提高编程效率和项目交付速度。Trae具备上下文感知和代码自动完成功能，是提升开发效率的理想工具。

热门AI工具生产力协作转型TraeAI IDE
咔片PPT

咔片PPT

AI助力，做PPT更简单！

咔片是一款轻量化在线演示设计工具，借助 AI 技术，实现从内容生成到智能设计的一站式 PPT 制作服务。支持多种文档格式导入生成 PPT，提供海量模板、智能美化、素材替换等功能，适用于销售、教师、学生等各类人群，能高效制作出高品质 PPT，满足不同场景演示需求。

讯飞绘文

讯飞绘文

选题、配图、成文，一站式创作，让内容运营更高效

讯飞绘文，一个AI集成平台，支持写作、选题、配图、排版和发布。高效生成适用于各类媒体的定制内容，加速品牌传播，提升内容营销效果。

AI助手热门AI工具AI创作AI辅助写作讯飞绘文内容运营个性化文章多平台分发
材料星

材料星

专业的AI公文写作平台，公文写作神器

AI 材料星，专业的 AI 公文写作辅助平台，为体制内工作人员提供高效的公文写作解决方案。拥有海量公文文库、9 大核心 AI 功能，支持 30 + 文稿类型生成，助力快速完成领导讲话、工作总结、述职报告等材料，提升办公效率，是体制打工人的得力写作神器。

openai-agents-python

openai-agents-python

OpenAI Agents SDK，助力开发者便捷使用 OpenAI 相关功能。

openai-agents-python 是 OpenAI 推出的一款强大 Python SDK，它为开发者提供了与 OpenAI 模型交互的高效工具，支持工具调用、结果处理、追踪等功能，涵盖多种应用场景，如研究助手、财务研究等，能显著提升开发效率，让开发者更轻松地利用 OpenAI 的技术优势。

下拉加载更多