论文画图工具

常用:origin PPT Visio、processOn

NN-SVG

这个工具可以非常方便的画出各种类型的图, 该实验室开发可视化和机器学习工具用于分析生物数据。

github地址:https://github.com/zfrenchee

画图工具体验地址:http://alexlenail.me/NN-SVG/

2 PlotNeuralNet

这个工具是萨尔大学计算机科学专业的一个学生开发

https://github.com/HarisIqbal88/PlotNeuralNet

ConvNetDraw

https://cbovar.github.io/ConvNetDraw/

ConvNetDraw是一个使用配置命令的CNN神经网络画图工具,要配置网络

44 Draw_Convnet

简单直接,是纯用python代码画图的,

https://github.com/gwding/draw_convnet

类似的工具还有:https://github.com/yu4u/convnet-drawer

5 Netscope

caffe的网络结构可视化工具,大名鼎鼎的netscope

https://github.com/ethereon/netscope

  • 0
    点赞
  • 3
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
CovNeXt论文中的图主要包括两部分:Covolutional NeXt模块和CovNeXt网络结构。 Covolutional NeXt模块的图可以使用如下的代码进行绘制: ``` input_tensor = Input(shape=input_shape) x = input_tensor for i in range(nb_repeat): x = CovNeXtBlock(filters, kernel_size, cardinality, bottleneck_width, strides)(x) model = Model(inputs=input_tensor, outputs=x) ``` 其中,input_shape表示输入张量的形状,nb_repeat表示Covolutional NeXt模块需要重复的次数,filters表示卷积核的数量,kernel_size表示卷积核的大小,cardinality表示分组数量,bottleneck_width表示瓶颈层的宽度,strides表示卷积的步长。 CovNeXt网络结构的图可以使用如下的代码进行绘制: ``` input_tensor = Input(shape=input_shape) x = Conv2D(32, (3, 3), strides=(2, 2), padding='same')(input_tensor) x = BatchNormalization()(x) x = Activation('relu')(x) x = Conv2D(64, (3, 3), padding='same')(x) x = BatchNormalization()(x) x = Activation('relu')(x) x = MaxPooling2D((3, 3), strides=(2, 2), padding='same')(x) for i in range(len(filters)): x = CovNeXtBlock(filters[i], kernel_size[i], cardinality[i], bottleneck_width[i], strides[i])(x) x = GlobalAveragePooling2D()(x) x = Dense(nb_classes, activation='softmax')(x) model = Model(inputs=input_tensor, outputs=x) ``` 其中,input_shape表示输入张量的形状,filters、kernel_size、cardinality、bottleneck_width和strides分别表示Covolutional NeXt模块的参数,nb_classes表示分类数量。

“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