神经网络出图

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）

1. 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。

2. pip install graphviz

3. 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/