深度学习网络图PlotNeuralNet工具(一):初入门——解析test_sample.py

1. 参考

github地址:https://github.com/HarisIqbal88/PlotNeuralNet
安装方法:windows系统Ubuntu系统

2. 函数解析

test_simple.py

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()

在这里插入图片描述

图1

上述程序是pyexample中的例子,是可以通过 bash …/tikzmake.sh test_simple 直接运行出来的
其中:
to_Conv(“conv1”, 512, 64, offset="(0,0,0)", to="(0,0,0)", height=64, depth=64, width=2 )

name“conv1”该层的名字
s_filer(z_label)512写在左下角的z方向的数字
n_filer(x_label)64写在左下角的x方向的数字
offset(x,y,z)(0,0,0)和上一个图形在x,y,z方向上的偏移值,若x为1,则图像位于前面1的位置
to(x,y,z)(0,0,0)若为(0,0,0)表示第一个图
height64图像的高度
depth64图像的深度
width2图像的宽度

to_Pool(“pool1”, offset="(0,0,0)", to="(conv1-east)"),

name“pool1”该层的名字
offset(x,y,z)(0,0,0)和上一个图形在x,y,z方向上的偏移值,若都为0,则和原图像的位置相同
to(x,y,z)“(conv1-east)”上一个图的name,再加上"-east",跟在name这个图的后面
height32若没填,则为上一个图的一半
depth32若没填,则为上一个图的一半
width1若没填,则为上一个图的一半
opacity若为0.5透明度

to_SoftMax(“soft1”, 10 ,"(3,0,0)", “(pool1-east)”, caption=“SOFT” )

name“soft1”该层的名字
s_filer(z_label)10写在左下角的z方向的数字
offset(x,y,z)“(3,0,0)”和上一个图形在x,y,z方向上的偏移值,若都为0,则和原图像的位置相同
to(x,y,z)“(pool1-east)”上一个图的name,再加上"-east",跟在name这个图的后面
caption“SOFT”描述(会显示在图中)

to_connection( “pool1”, “conv2”):从哪一个图到哪一个图画个箭头

©️2020 CSDN 皮肤主题: 大白 设计师:CSDN官方博客 返回首页