卷积神经网络结构可视化工具PlotNeuralNet

最新推荐文章于 2024-04-26 18:36:03 发布

我是一个对称矩阵

最新推荐文章于 2024-04-26 18:36:03 发布

阅读量1.6k

点赞数

分类专栏：深度学习DL 文章标签：神经网络深度学习 python

本文链接：https://blog.csdn.net/qq_40243750/article/details/117232353

版权

深度学习DL 专栏收录该内容

19 篇文章 11 订阅

订阅专栏

本文介绍了一个在Ubuntu环境下运行的GitHub项目，用于使用Python绘制详细的神经网络结构图。通过安装特定的LaTeX包，运行提供的测试程序，用户可以在自己的项目中创建自定义的网络结构图，包括Convolutional和Pooling层，并通过连接函数显示层间关系。项目提供了丰富的层类型和配置选项，适用于学习和教学用途。

摘要由CSDN通过智能技术生成

0. 效果展示

这是GitHub项目地址
偷了几张项目中的展示图感受下，要是喜欢这个风格，就继续往下看：
在这里插入图片描述

1. 使用

该项目我只在Ubuntu18成功运行过，Windows试过没有成功。

1.1 克隆项目到本地

1.2 安装相关

ubuntu 16.04
sudo apt-get install texlive-latex-extra
ubuntu 18.04
sudo apt-get install texlive-latex-base
sudo apt-get install texlive-fonts-recommended
sudo apt-get install texlive-fonts-extra
sudo apt-get install texlive-latex-extra

1.3 测试

进入pyexamples文件夹，这里存放了测试程序
然后运行测试程序

cd pyexamples/                  
bash ../tikzmake.sh test_simple

程序成功运行后，会自动弹出PDF展示，在pyexamples生产一个"test_simple.pdf"文件

1.4 绘制自己的网络结构

在PlotNeuralNet-master文件夹(项目根目录)创建my_project文件夹，并进入该文件夹:

mkdir my_project
cd my_project

创建并编辑my_arch.py（这一步就是创建文件写入代码，用什么其实无所谓）

vim my_arch.py

写入以下代码

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

# defined your arch
arch = [
    to_head( '..' ),
    to_cor(),
    to_begin(),
   
   # 这里才构建自己的网络结构
    to_Conv("input", 48,1, offset="(0,0,0)", to="(0,0,0)", height=48, depth=48, width=1,caption="input"),
    to_Conv("conv1", 48,64, offset="(3,0,0)", to="(input-east)", height=48, depth=48, width=3 ,caption="Conv"),
    to_Conv("conv2", 48,64, offset="(0.5,0,0)", to="(conv1-east)", height=48, depth=48, width=3 ,caption="Conv"),
    to_Pool("pool3", offset="(0.5,0,0)",height=24, depth=24, width=3 , to="(conv2-east)",caption="Pool"),
    to_Conv("conv7", 12,256, offset="(2,0,0)", to="(pool3-east)", height=12, depth=12, width=12 ,caption="Conv"),
    to_Conv("conv8", 12,256, offset="(0.5,0,0)", to="(conv7-east)", height=12, depth=12, width=12 ,caption="Conv"),
    to_Pool("pool9", offset="(0.5,0,0)",height=6, depth=6, width=12 , to="(conv8-east)",caption="Pool"),

    to_SoftMax("soft1", 7 ,"(2,0,0)", "(pool9-east)", caption="FC"  ),
    to_SoftMax("soft2", 7 ,"(2,0,0)", "(soft1-east)", caption="FC"  ),

	to_connection( "pool3", "conv7"), 
	to_connection( "pool9", "soft1"), 
	to_connection( "soft1", "soft2"), 
	# 至此结束
	
    to_end()
    ]

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

if __name__ == '__main__':
    main()