Keras中提供了一个神经网络可视化的函数plot,并可以将可视化结果保存在本地。plot使用方法如下:
注
:笔者使用的Keras版本是1.0.6,如果是python3.5
from keras.utils import plot_model
plot_model(model,to_file='model.png')
不过这项功能依赖于graphviz模块与pydot模块,因此需要先安装这两个模块,并安装graphviz软件本身(笔者安装的版本为2.38)。
安装步骤
- 命令行输入
pip install graphviz
- 安装graphviz软件。官网地址为http://www.graphviz.org/
- 解压版:配置环境变量。将安装目录中的
graphviz-2.38\release\bin
添加进Path环境变量 - 安装版:安装msi
- 解压版:配置环境变量。将安装目录中的
- 命令行输入
pip install pydot==1.1.0
- 注:此处需要指定安装1.1.0版本的pydot,是因为最新版(截止2016.8最新版本号是1.2.x)中find_graphviz函数是deprecated的,使用时会报错
测试方法
使用以下脚本
因为我的是python3.5,可能不兼容 1.1.0版本的pydot,
所以我使用了
pip install pydot
运行例子,这时候会显示错误:No module named 'keras.utils.visualize_util'。
pip install pydot==1.1.0 这种方法是针对python2可以,
但是python3就不行了,因为Python3安装的1.2.*版本里面有所变动,可视化的地方需要用到visualize_util这样一个api,但是在1.2.*中,这个api被取消掉了,所以python3的用户应该安装 pydot_ng
pip install pydot_ng
我同时也安装了
pip install pydot
import numpy as np
from keras.models import Sequential
from keras.layers.core import Dense, Activation
from keras.optimizers import SGD
from keras.utils import np_utils
from keras.utils.vis_utils import plot_model
def run():
# 构建神经网络
model = Sequential()
model.add(Dense(4, input_dim=2, kernel_initializer='uniform'))
model.add(Activation('relu'))
model.add(Dense(2, kernel_initializer='uniform'))
model.add(Activation('sigmoid'))
sgd = SGD(lr=0.05, decay=1e-6, momentum=0.9, nesterov=True)
model.compile(loss='binary_crossentropy', optimizer=sgd, metrics=['accuracy'])
# 神经网络可视化
plot_model(model, to_file='model.png')
if __name__ == '__main__':
run()
绘制Keras模型图
模型可视化来,具体的参考Keras的模型可视化。 要下载的有这么几个模块:
graphviz,pydot,pydot_ng
另外一点就是,现在的可视化模块不叫做:keras.utils.visualize_util 了,改成了keras.utils.vis_utils了,因此引入的时候要特别注意。
可以以上个程序测试。
最后验证是否安装好pydot:
import pydot
没有报错即为安装成功
下面代码演示创建一个图: