调用Keras中的plot_model、model.summary函数画深度学习模型结构图(Mac端配置graphviz)

安装graphviz

使用Mac的brew安装即可,命令行:

brew install graphviz

查看graphviz安装到的路径

brew list graphviz

出现下图:
在这里插入图片描述

添加环境变量到路径

import os
os.environ["PATH"] += os.pathsep + '/usr/local/Cellar/graphviz'

运行代码

运行绘制模型plot_model代码之前,预先定义好一个model,例如:

from keras.models import Sequential
from tensorflow import * 
from keras.layers.embeddings import Embedding 
from keras.layers import Conv1D, MaxPooling1D, Flatten, Dropout, Dense, Input, Lambda,BatchNormalization  
from keras.models import Model

model = Sequential()
model.add(Embedding(100001, 300, input_length=50)) #使用Embeeding层将每个词编码转换为词向量
model.add(Conv1D(256, 5, padding='same'))
model.add(MaxPooling1D(3, 3, padding='same'))
model.add(Conv1D(128, 5, padding='same'))
model.add(MaxPooling1D(3, 3, padding='same'))
model.add(Conv1D(64, 3, padding='same'))
model.add(Flatten())
model.add(Dropout(0.1))
model.add(BatchNormalization())  # (批)规范化层
model.add(Dense(256, activation='relu'))
model.add(Dropout(0.1))
model.add(Dense(10, activation='softmax'))

绘制模型图

from keras.utils import plot_model
import pydot
plot_model(model,to_file='CNNmodel.png',show_shapes=True,show_layer_names=False)

在这里插入图片描述
此处再补充一个: model.summary函数,可以也可以输出图形结构:

model.summary()

在这里插入图片描述

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