[转载]Python 神经网络结构可视化工具大全

目录

神器1

神器2

神器3

---

神器1

首先，我们来看几张成品模型的结构图片，如下所示：

 

 

上面的这些图片都是可以一键生成的，顿时觉得功能很强大的，各位在看网络结构可视化的时候有没有猜出来各个图像对应的是哪一种模型结构呢？【从上到下分别是：FCNN、LeNet、AlexNet】 

 想不想试试，这款神器叫【NN-SVG】在线地址和GitHub地址请见下方。赶快上手试用吧。

网站地址：http://alexlenail.me/NN-SVG/

GitHub地址：https://github.com/alexlenail/NN-SVG

神器2

同样是支持一键式生成，这款神器叫【ConvNetDraw】，在线地址和GitHub地址请见下方。感兴趣的话就拿去试用吧。优点还有支持参数自定义模型结构，比如下面这幅图片的绘制源码如下：

网站地址：https://cbovar.github.io/ConvNetDraw/

GitHub地址：https://github.com/cbovar/ConvNetDraw

input(28, 28, 1)
conv(24, 24, 8)
conv(24, 24, 8)
conv(24, 24, 8)
conv(24, 24, 8)
relu(24, 24, 8)
pool(12, 12, 8)
conv(10, 10, 16)
relu(10, 10, 16)
pool(4, 4, 16)
fullyconn(1, 1, 10)
softmax(1, 1, 10)

神器3

接下来这款神器的名字叫【PlotNeuralNet】，是一位专业科班的大神编写的，效果还是很不错的。暂时没有提供在线体验地址，这里给出来GitHub地址请见下方。

https://github.com/HarisIqbal88/PlotNeuralNet

官方给出来的一个简单的绘图实例如下：

import sys
sys.path.append('../')
from pycore.tikzeng import *

# defined your arch
arch = [
    to_head( '..' ),
    to_cor(),
    to_begin(),
    to_Conv("conv1", 512, 64, offset="(0,0,0)", to="(0,0,0)", height=64, depth=64, width=2 ),
    to_Pool("pool1", offset="(0,0,0)", to="(conv1-east)"),
    to_Conv("conv2", 128, 64, offset="(1,0,0)", to="(pool1-east)", height=32, depth=32, width=2 ),
    to_connection( "pool1", "conv2"),
    to_Pool("pool2", offset="(0,0,0)", to="(conv2-east)", height=28, depth=28, width=1),
    to_SoftMax("soft1", 10 ,"(3,0,0)", "(pool1-east)", caption="SOFT"  ),
    to_connection("pool2", "soft1"),
    to_end()
    ]

def main():
    namefile = str(sys.argv[0]).split('.')[0]
    to_generate(arch, namefile + '.tex' )

if __name__ == '__main__':
    main()

 

更多精彩内容请移步原文