神经网络论文需要要素
针对深度学习的论文,必不可少的是需要添加以下几项:数据预处理示意图、神经网络结构图、神经网络流向图
数据预处理示意图
这次实习的项目需要用到CNN,UNet以及mask_rcnn三个网络。目前对CNN进行数据预处理及网络结构编写:
这张图片是采用CNN模型,以裁剪数据块中心像素的类别当成本数据的label
神经网络结构图
ConvNetDraw
首先,最为简单的编写方式。命令特别简单,只需要命名各网络层名字,以及给出个网络层数据大小即可。
NN-SVG
较复杂的方法生成如下结构:
PlotNeuralNet
最后一种方法最美观,但是需要一定编程。
神经网络流向图
使用代码可以将模型内部的结构画出来(这里的过程曲折,第3点参考网上大神的建议)
-
安装graphviz软件,下载其中的msi文件,将文件安装并配置环境。安装后可以尝试在cmd下输入
dot -version
查看是否安装正确。 -
pip install graphviz
-
pip install pydot
,这里由于库升级的原因,必须安装pydotplus库,即pip install pydotplus
,之后进入包环境,将pydotplus文件名改为pydot,并且进入parser.py文件,将其中引用改为import pydot
。之后进入graphviz.py文件夹,将其中method3后面的代码替换成Method 3 (Windows only)
if os.sys.platform == 'win32': # Try and work out the equivalent of "C:\Program Files" on this # machine (might be on drive D:, or in a different language) # if False: # os.environ.has_key('PROGRAMFILES'): # Note, we could also use the win32api to get this # information, but win32api may not be installed. path = os.path.join(os.environ['PROGRAMFILES'], 'ATT', 'GraphViz', 'bin') else: # Just in case, try the default... path = r"G:\SOFTS\Graphviz2.38\bin"#这里代表Graphviz的安装路径 progs = __find_executables(path) if progs is not None: # print "Used default install location" return progs for path in ( '/usr/bin', '/usr/local/bin', '/opt/bin', '/sw/bin', '/usr/share', '/Applications/Graphviz.app/Contents/MacOS/'): progs = __find_executables(path) if progs is not None: # print "Used path" return progs # Failed to find GraphViz # return None
这篇笔记主要借鉴了一下大神的思路,特此感谢
[1]: https://yq.aliyun.com/articles/704030
[2]: https://blog.csdn.net/fy_eng/article/details/81366723
[3]: https://github.com/HarisIqbal88/PlotNeuralNet
[4]: https://cbovar.github.io/ConvNetDraw/
[5]: http://alexlenail.me/NN-SVG/