卷积神经网络作为神经网络模型中的一个重要分支,由于其良好的性能而被广泛的应用在图像识别、自动驾驶、癌症检测以及语义分析等领域。然而由于当前对于网络内部的运行机理并没有完善的解释,使用者利用神经网络进行数据分析时普遍将模型视为一个“黑箱”,这会导致当实际需求发生变化时,使用者难以对模型做出相应的修改以达到满意的效果。常用的提高模型性能的方法之一是对模型的相关参数值进行修改,该方法操作简单,可行性较高,然而目前关于参数对于网络的影响方式并没有完善的解释,因此修改参数的工作大部分时候都处于一种“试错”的状态。为了解决上述问题,本文设计并实现了一种基于差异分析的卷积神经网络可视化分析系统DiffCNNVis,旨在帮助用户理解卷积网络的各种参数是通过何种形式来影响网络的。本文的核心思想在于通过单一变量实验对比两个参数不同的卷积神经网络的内部信息,并对相应信息差异进行可视化展示来反映该参数对网络的作用方式。本文设计了用于对照的基准网络,并且在此网络的基础上对例如激活函数、卷积层结构、学习率、丢弃率等参数进行修改,以此获取实验对照网络,之后在实验中提取网络内部例如卷积核张量以及卷积层输出特征等隐藏信息,并使用相似度计算,MDS算法等对数据进行处理,以满足后续差异可视化的需求,随后依据用户需求,采用B/S架构对整体系统以及差异可视化组件进行设计与实现,按照先概览后探索的原则,将可视组件分成了两部分:差异概览组件和差异探索组件,差异概览组件将不同网络的差异信息整合到一起,包括卷积层差异太阳图,卷积核降维分布散点图以及卷积层输出数据的差异度像素图等,用户可以先通过概览组件对不同网络间的差异信息进行全局观察,以此发现可疑信息,然后使用差异探索组件中的卷积层输出具体特征图展示组件、权值详细展示组件等对可疑点进行更进一步的分析。最后本文给出具体的实验案例证明了本文所设计系统的有效性。