如何用 matplotlib 画论文中的CNN结构图

最新推荐文章于 2024-04-17 21:00:13 发布
最新推荐文章于 2024-04-17 21:00:13 发布
阅读量8k 收藏 27
点赞数 6
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/weixin_42180950/article/details/86770801
版权

主要介绍两种用matplotlib画CNN结构图的方法代码，下一篇介绍用pydot画CNN结构图。

1.如果你需要这样的结构图，如下图：

 

代码资源可以在GitHub上找到，具体连接有很多，很容易找到，比如：https://github.com/gwding/draw_convnet，这里主要分析一下代码的原理和结构

原理：采用的是以列表的形式保存各类层的数据

如卷积层的数据表示，这种画图方式需要你计算经过每次卷积计算之后特征图大小，目前看到的代码似乎只能展示卷积层和池化层，一些其他的结构展示需要自己开发了

另外很重的一点就是，matplotlib的版本一定要在2以上3以下，2以下不能运行，3以上可以运行但是结果展示出现问题，如下图实在3.0.0版本下运行结果：

最低0.47元/天 解锁文章
我是一只胖海燕
关注
  • 6
    点赞
  • 踩
  • 27
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
使用pydot 画CNN网络结构图
weixin_42180950的博客
02-07 4426
使用pydot画CNN结构图的难点在于安装pydot 要严格按照安装顺序进行安装，百度搜索就可以找到，成功安装pydot后仅需要两行代码就可以画出网络结构 前提是要搭建好网络结构 import pydot plot_model(model, to_file='model.png', show_shapes=True, show_layer_names=False) 如我的网络结构是 d...
remote-sensing-image-captioning:遥感图像字幕论文的体系结构
03-14
在本文中，我们将深入探讨基于Python的遥感图像字幕论文所提出的体系结构及其相关技术。 首先，遥感图像字幕的体系结构通常由两部分组成：图像特征提取和自然语言生成。图像特征提取是通过深度学习模型，如卷积神经...
CNN卷积神经网络
angelduchen的博客
07-29 277
下面详细介绍一下卷积层、激活层、池化层、全连接层是如何操作的。
CNN网络绘图程序
01-08
CNN网络绘图程序，自动生成自定义CNN的图示，论文利器，需要有一定的python基础，安装命令如下 ``` $ python3 -m venv .venv $ source .venv / bin / activate $ pip install -r requirements_python3.txt
深度学习--CNN卷积神经网络（附图）
最新发布
ssheudjbdndnjd的博客
04-17 2000
让我们先看一下CNN的框架卷积层中后是ReLu激活函数 ，然后是深化池，之后是全连接，最后进行Softmax进行归一化。所以，我们先逐一了解一下它们各个部分全连接层也称感知机，BP神经网络降维呢，也很好理解，由第一列的九维变为第二列的四维我们再来看看缺点在这里，我们只定义了一层全连接层 前向传播是我们自己来定义的，而后向传播是自动执行的为了解决全连接层去全局感知的问题，我们提出了一种解决方案--局部连接图示0，1，3，4与w00,w10,w30,w40相乘得到a0，同理1，2，4，5与w11,w21,w
计算机专业中怎么样绘制神经网络结构图
weixin_36342174的博客
06-03 1968
第一个ConvNetDraw： 两颗星** https://cbovar.github.io/ConvNetDraw/ 在线的，不过只能绘制这种简单的图，可以增加卷积层，池化啥的，左边可以选择调节角度，第二个CNN Convoluter：两颗星** https://pwwang.github.io/cnn-convoluter/ 也是一个在线的网址，左边选择hide data 也就是不隐藏数据，在input中输入padding的大小，右边图中就会显示出来，在设置卷积核的尺寸 就可以动态的看到output
有哪些好看的CNN模型画法？
小白学视觉
12-08 2425
点击上方“小白学视觉”，选择加"星标"或“置顶”重磅干货，第一时间送达编辑：忆臻本文仅作为学术分享，如果侵权，会删文处理机器学习算法与自然语言处理报道有哪些好看的CNN模型画法？作者：bi...
用matplotlib绘制卷积神经网络(CNN)图
热门推荐
风雪夜归子
11-17 1万+
""" Copyright (c) 2016, Gavin Weiguang Ding All rights reserved. Redistribution and use in source and binary forms, with or without modification, are permitted provided that the following conditio
CNN可视化与帮助理解的相关资料
04-15
卷积神经网络（CNN，Convolutional Neural Network）是深度学习领域的重要组成部分，尤其在图像识别、计算机视觉任务中表现出色。CNN的可视化是理解其内部工作原理的关键途径，可以帮助我们洞察模型如何从输入图像中...
Python-CVPR2019CVPR20182017论文源码汇总项目
08-10
2. **深度学习框架**：TensorFlow或PyTorch用于构建神经网络模型，实现卷积神经网络（CNN）、循环神经网络（RNN）等复杂结构。 3. **图像处理**：OpenCV用于图像读取、变换和可视化，如图像裁剪、缩放、颜色空间转换...
img_study:关于学习存放的图片
03-10
同时，对于机器学习部分，理解深度学习框架，如TensorFlow和PyTorch，以及如何用它们构建和训练CNN模型，也是不可或缺的技能。 总的来说，"img_study:关于学习存放的图片"这个资源可能是一个综合性的图像学习资料库...
rcnn:Pytorch中的RCNN实施
04-05
**RCNN（Region-based Convolutional Neural Network）**是一种基于深度学习的目标检测算法，首次在2013年的论文《Rich feature hierarchies for accurate object detection and semantic segmentation》中提出。...
用 Keynote 绘制 CNN 模型示意图
卜居
12-22 1万+
在论文中经常看到一些 CNN 模型示意图，例如下面这个经典的 LeNet-5 ：很多写论文的同学会问，该怎么画这些图？常用的绘图工具例如 Visio 肯定是可以的，用熟了几乎可以绘制任何需要的图。可惜我用的 Mac，自带的 Office 巨难用而且充满 bug，常常莫名其妙地关闭导致一些工作前功尽弃。还好发现了 Keynote ，除了做 PPT 之外发现绘图也是相当炫酷。以上面的图为例，徒手画了几
论文中的CNN网络绘制软件
MasterCayman的博客
12-23 2177
一、PPT功能非常强大（红框部分是角度的设置） 其他属性调节，例如深度调节可以突出立体感。 二、PlotNeuralNet（latex格式，输出是PDF文档） 三、ConvNetDraw 四、Origin Labl
caffe绘制网络结构图
Darlewo
04-29 918
caffe绘制结构图及报错解决
python3 30.keras中绘制卷积神经网络(CNN)网络结构 学习笔记
112
03-21 3656
文章目录前言一、建立CNN网络结构二、绘制CNN网络结构 前言      计算机视觉系列之学习笔记主要是本人进行学习人工智能（计算机视觉方向）的代码整理。本系列所有代码是用python3编写，在平台Anaconda中运行实现，在使用代码时，默认你已经安装相关的python库，这方面不做多余的说明。本系列所涉及的所有代码和资料可在我的github上下载到，gi...
卷积神经网络(CNN)图形化理解
sinat_23067771的博客
04-04 566
https://cs231n.github.io/convolutional-networks/#overview卷积网络就是为了通过各种方式降低图像的维度而设计的。过滤器步幅即是减少维度的一种方法，另一种方法是降采样。最大池化／降采样卷积网络的下一层有三个名称：最大池化、降采样和二次抽样。如卷积的方法一样，将激活映射图每次一个片块地输入降采样层。最大池化仅取图像一个片块的最大值，将之置于存有其他...
（一）CNN网络结构
qq_23123181的博客
02-15 3164
1、开山之作:LeNet 对经典LeNet-5做深入分析: 1)输入图像是单通道的28*28大小的图像，矩阵表示[28,28,1] 2)conv1所用卷积核尺寸5*5,滑动步长1,卷积核数目20,该层后图像尺寸变为28-5+1=24,输出矩阵[24,24,20] 3)pool1核尺寸为2*2,步长2,输出矩阵[12,12,20] 4)conv2所用卷积核尺寸5*5,滑动步长1,卷积核数目50,该层后图像尺寸变为12-5+1=8,输出矩阵[8,8,50] 5)pool2核尺寸为2*2,步长2,输出
python+opencv实现CNN网络结构的可视化(DrawCNN)
york1996的博客
09-12 5099
先放下成果图：  有很多类似的工具，但是我想把全连接层放在网络的前边部分，draw_convnet就不那么好用了。于是就自己动手实现一个。 #元素类型是（上方文字描述，通道数，feature map width，feature map height)如果w和h均是1代表是全连接层。作者qq@603997262 CNN_list=[ ("input",1,28,28), ...
在pyqt5中使用matplotlib画条形图
04-24
好的，关于使用PyQt5和Matplotlib绘制条形图，你可以按照以下步骤： 1. 安装必要的库，如pyqt5和matplotlib：可以使用pip install pyqt5和pip install matplotlib来安装。 2. 在PyQt5中创建应用程序窗口，例如： ``` import sys from PyQt5.QtWidgets import QApplication, QMainWindow app = QApplication(sys.argv) window = QMainWindow() window.show() sys.exit(app.exec_()) ``` 3. 在窗口中添加一个matplotlib画布，例如： ``` import matplotlib.pyplot as plt from matplotlib.backends.backend_qt5agg import FigureCanvasQTAgg as FigureCanvas class MyMainWindow(QMainWindow): def __init__(self): super().__init__() ... # Create the matplotlib figure and canvas widgets self.fig = plt.Figure() self.canvas = FigureCanvas(self.fig) self.setCentralWidget(self.canvas) ... ``` 4. 绘制条形图： ``` class MyMainWindow(QMainWindow): def __init__(self): super().__init__() ... # Define data for the bar chart labels = ['Apples', 'Oranges', 'Bananas'] values = [5, 3, 4] # Create the matplotlib figure and canvas widgets self.fig = plt.Figure() self.canvas = FigureCanvas(self.fig) self.setCentralWidget(self.canvas) # Add the bar chart to the Figure ax = self.fig.add_subplot(111) ax.bar(labels, values) ... ``` 5. 最后，记得在窗口中调整和显示matplotlib画布： ``` class MyMainWindow(QMainWindow): def __init__(self): super().__init__() ... # Create the matplotlib figure and canvas widgets self.fig = plt.Figure() self.canvas = FigureCanvas(self.fig) self.setCentralWidget(self.canvas) # Add the bar chart to the Figure ax = self.fig.add_subplot(111) ax.bar(labels, values) # Adjust the matplotlib figure layout self.fig.tight_layout() # Show the window self.show() ``` 希望这能帮助你完成任务！

“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

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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
实付元
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