是的，有许多工具可用于通过拖放来设计和应用神经网络。其中之一是Deep Cognition Inc开发的Deep Learning Studio，其强大的深度学习平台在生产中具有可视化界面，为数据摄取提供了全面的解决方案、模型开发、培训、部署和管理。Deep Learning Studio 用户能够通过与 TensorFlow、MXNet 和 Keras 的强大集成来快速开发和部署深度学习解决方案。

他们的自动 ML 功能将自动生成神经网络模型。

对于 caffe，有一个名为Expresso ( http://val.serc.iisc.ernet.in/expresso/ )的第三方工具，它提供了一些 GUI 来帮助您入门。

此外，NVIDIA DIGITS ( https://developer.nvidia.com/digits ) 声称也是一个交互式工具：

DIGITS 简化了常见的深度学习任务，例如管理数据、在多 GPU 系统上设计和训练神经网络、通过高级可视化实时监控性能，以及从结果浏览器中选择性能最佳的模型进行部署。DIGITS 是完全交互式的，因此数据科学家可以专注于设计和训练网络，而不是编程和调试。

希望这可以帮助！

我一直在开发一个拖放式神经网络用户界面 (Ennui)，它在浏览器上进行训练并允许用户导出代码生成的 Python。我们有各种层，包括密集、卷积、maxpooling、batchnorm 等。还支持构建像 ResNets 这样的分支模型。我们还实现了一些常见的可视化。

这是Ennui的图片

这是一个示例可视化

您可以访问该网站https://math.mit.edu/ennui

开源实现位于https://github.com/martinjm97/ENNUI

随时与评论或问题联系。

为您的问题找到最佳网络架构的过程是深度学习过程的核心——您可以在其中使用您的先验知识来优化性能。

老实说，我真的不明白你建议的 GUI 如何达到这个目的，因为：

• 为了能够评估给定的架构，您需要根据您的数据训练网络（从头开始）。对于深度神经网络，这是一个可能需要一段时间的过程。因此，如果您进行的每一次点击都需要一个小时的计算，那么它几乎可以充分利用图形 UI 的全部优势。

• 大多数实现（caffe、TensorFlow）都有如此简单的语法，以至于改变架构（改变层、调整超参数）实际上只是改变单个字符串或常量的值：你真的不需要 GUI。

另一方面，如果您正在寻找一种更系统化的参数调整业务方法，您可以阅读自动参数调整。