如何画出漂亮的神经网络图?神经网络可视化工具集锦搜集

来源于Github,搜集于网络

1. draw_convnet

一个用于画卷积神经网络的Python脚本

  • https://github.com/gwding/draw_convnet

2. NNSVG

  • http://alexlenail.me/NN-SVG/LeNet.html

3. PlotNeuralNet

  • https://github.com/HarisIqbal88/PlotNeuralNet

使用latex 来展示神经网络

4. Tensorboard

  • https://www.tensorflow.org/tensorboard/graphs

5. Caffe

  • https://github.com/BVLC/caffe/blob/master/python/caffe/draw.py

使用Caffe/draw.py

6.Matlab

  • http://www.mathworks.com/help/nnet/ref/view.html

7.Keras.js

  • https://transcranial.github.io/keras-js/#/inception-v3

8. DotNet

  • https://github.com/martisak/dotnets

9.  Graphviz

  • http://www.graphviz.org/

10. ConX

  • https://conx.readthedocs.io/en/latest/index.html

11. ENNUI 

  • https://math.mit.edu/ennui/

12.  Neataptic

  • https://wagenaartje.github.io/neataptic/

欢迎扫码关注:

  • 0
    点赞
  • 7
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
引用[1]:CSPNet: A New Backbone that can Enhance Learning Capability of CNN[^1]。引用:yolox在backbone部分引入的focus网络,类似于pooling的策略,但是他没有像maxpooling一样把小的feature丢掉,而是隔一个位置取一个值后堆叠到channel中,因为我们知道通道数越高,表征能力越强。再次我们看一下作者用silu替换了relu,silu的优势在于它是全局可导的,不存在不可导的0点。另外,在backbone部分,我们可以得到的启示就是,怎样将小的conv+bn+silu组成的基本卷积结构构造成不同类型的残差结构。另外,在head部分,作者认为yolov3中的类别和坐标放到一个1∗1卷积得到,会相互影响。因此把它分成两个分支[^2]。 有许多卷积神经网络可视化工具可用于可视化网络结构和特征。以下是一些常用的工具: 1. TensorBoard:TensorBoard是TensorFlow的官方可视化工具,它可以用于可视化网络结构、训练过程和特征。通过使用TensorBoard的`tf.summary.FileWriter`和`tf.summary.histogram`等函数,可以将网络结构和特征保存为TensorBoard可读取的格式,并在浏览器中进行可视化展示。 2. Netron:Netron是一个开源的神经网络模型可视化工具,支持多种深度学习框架的模型可视化,包括TensorFlow、PyTorch、Caffe等。它可以直接加载模型文件,并以形方式显示网络结构,方便用户进行可视化分析。 3. PyTorch的torchsummary和torchviz:PyTorch提供了torchsummary和torchviz两个库,可以用于可视化PyTorch模型的网络结构。torchsummary可以打印出模型的层次结构和参数数量,而torchviz可以生成模型的计算。 4. Keras的plot_model:Keras提供了plot_model函数,可以将Keras模型保存为像文件,以可视化网络结构。该函数可以将模型的层次结构、输入和输出形状等信息绘制成形,方便用户进行可视化分析。 这些工具可以帮助您更好地理解和分析卷积神经网络的结构和特征。您可以根据自己的需求选择适合的工具进行使用。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值