本文将展示如何利用Python中的NetworkX模块来绘制深度神经网络(DNN)结构图。
已知我们创建的DNN结构图如下：
该DNN模型由输入层、隐藏层、输出层和softmax函数组成，每一层的神经元个数分别为4,5,6,3,3。不知道聪明的读者有没有发现，这张示意图完全是由笔者自己用Python绘制出来的，因为并不存在现成的结构图。那么，如何利用Python来绘制出这种相对复杂的神经网络的示意图呢？答案是利用NetworkX模块。
NetworkX是一个用Python语言开发的图论与复杂网络建模工具，内置了常用的图与复杂网络分析算法，可以方便地进行复杂网络数据分析、仿真建模等工作。NetworkX支持创建简单无向图、有向图和多重图，内置许多标准的图论算法，节点可为任意数据，支持任意的边值维度，功能丰富，简单易用。
首先，我们需要绘制出该DNN的大致框架，其Python代码如下：
```python
-- coding:utf-8 --
import networkx as nx import matplotlib.pyplot as plt
创建DAG
G = nx.DiGraph()
顶点列表
vertex_list = ['v'+str(i) for i in range(1, 22)]
添加顶点
G.addnodesfrom(vertex_list)
边列表
edge_list = [ ('v1', 'v5'), ('v1', 'v6'), ('v1', 'v7'),('v1', 'v8'),('v1', 'v9'), ('v2', 'v5'), ('v2', 'v6'), ('v2', 'v7'),('v2', 'v8'),('v2', 'v9'), ('v3', 'v5'), ('v3', 'v6'), ('v3', 'v7'),('v3', 'v8'),('v3', 'v9'), ('v4', 'v5'), ('v4', 'v6'), ('v4', 'v7'),('v4', 'v8'),('v4', 'v9'), ('v5','v10'),('v5','v11'),('v5','v12'),('v5','v13'),('v5','v14'),('v5','v15'), ('v6','v10'),('v6','v11'),('v6','v12'),('v6','v13'),('v6','v14'),('v6','v15'), ('v7','v10'),('v7','v11'),('v7','v12'),('v7','v13'),('v7','v14'),('v7','v15'), ('v8','v10'),('v8','v11'),('v8','v12'),('v8','v13'),('v8','v14'),('v8','v15'), ('v9','v10'),('v9','v11'),('v9','v12'),('v9','v13'),('v9','v14'),('v9','v15'), ('v10','v16'),('v10','v17'),('v10','v18'), ('v11','v16'),('v11','v17'),('v11','v18'), ('v12','v16'),('v12','v17'),('v12','v18'), ('v13','v16'),('v13','v17'),('v13','v18'), ('v14','v16'),('v14','v17'),('v14','v18'), ('v15','v16'),('v15','v17'),('v15','v18'), ('v16','v19'), ('v17','v20'), ('v18','v21') ]
通过列表形式来添加边
G.addedgesfrom(edge_list)
绘制DAG图
plt.title('DNN for iris') #图片标题
nx.draw( G, nodecolor = 'red', # 顶点颜色 edgecolor = 'black', # 边的颜色 withlabels = True, # 显示顶点标签 fontsize =10, # 文字大小 node_size =300 # 顶点大小 )
显示图片
plt.show() ```
可以看到，我们在代码中已经设置好了这22个神经元以及它们之间的连接情况，但绘制出来的结构如却是这样的：
这显然不是我们想要的结果，因为各神经的连接情况不明朗，而且很多神经都挤在了一起，看不清楚。之所以出现这种情况，是因为我们没有给神经元设置坐标，导致每个神经元都是随机放置的。\ 接下来，引入坐标机制，即设置好每个神经元节点的坐标，使得它们的位置能够按照事先设置好的来放置，其Python代码如下：
```python
-- coding:utf-8 --
import networkx as nx import matplotlib.pyplot as plt
创建DAG
G = nx.DiGraph()
顶点列表
vertex_list = ['v'+str(i) for i in range(1, 22)]
添加顶点
G.addnodesfrom(vertex_list)
边列表
edge_list = [ ('v1', 'v5'), ('v1', 'v6'), ('v1', 'v7'),('v1', 'v8'),('v1', 'v9'), ('v2', 'v5'), ('v2', 'v6'), ('v2', 'v7'),('v2', 'v8'),('v2', 'v9'), ('v3', 'v5'), ('v3', 'v6'), ('v3', 'v7'),('v3', 'v8'),('v3', 'v9'), ('v4', 'v5'), ('v4', 'v6'), ('v4', 'v7'),('v4', 'v8'),('v4', 'v9'), ('v5','v10'),('v5','v11'),('v5','v12'),('v5','v13'),('v5','v14'),('v5','v15'), ('v6','v10'),('v6','v11'),('v6','v12'),('v6','v13'),('v6','v14'),('v6','v15'), ('v7','v10'),('v7','v11'),('v7','v12'),('v7','v13'),('v7','v14'),('v7','v15'), ('v8','v10'),('v8','v11'),('v8','v12'),('v8','v13'),('v8','v14'),('v8','v15'), ('v9','v10'),('v9','v11'),('v9','v12'),('v9','v13'),('v9','v14'),('v9','v15'), ('v10','v16'),('v10','v17'),('v10','v18'), ('v11','v16'),('v11','v17'),('v11','v18'), ('v12','v16'),('v12','v17'),('v12','v18'), ('v13','v16'),('v13','v17'),('v13','v18'), ('v14','v16'),('v14','v17'),('v14','v18'), ('v15','v16'),('v15','v17'),('v15','v18'), ('v16','v19'), ('v17','v20'), ('v18','v21') ]
通过列表形式来添加边
G.addedgesfrom(edge_list)
指定绘制DAG图时每个顶点的位置
pos = { 'v1':(-2,1.5), 'v2':(-2,0.5), 'v3':(-2,-0.5), 'v4':(-2,-1.5), 'v5':(-1,2), 'v6': (-1,1), 'v7':(-1,0), 'v8':(-1,-1), 'v9':(-1,-2), 'v10':(0,2.5), 'v11':(0,1.5), 'v12':(0,0.5), 'v13':(0,-0.5), 'v14':(0,-1.5), 'v15':(0,-2.5), 'v16':(1,1), 'v17':(1,0), 'v18':(1,-1), 'v19':(2,1), 'v20':(2,0), 'v21':(2,-1) }
绘制DAG图
plt.title('DNN for iris') #图片标题 plt.xlim(-2.2, 2.2) #设置X轴坐标范围 plt.ylim(-3, 3) #设置Y轴坐标范围 nx.draw( G, pos = pos, # 点的位置 nodecolor = 'red', # 顶点颜色 edgecolor = 'black', # 边的颜色 withlabels = True, # 显示顶点标签 fontsize =10, # 文字大小 node_size =300 # 顶点大小 )
显示图片
plt.show() ```
可以看到，在代码中，通过pos字典已经规定好了每个神经元节点的位置，那么，绘制好的DNN结构示意图如下：
可以看到，现在这个DNN模型的结构已经大致显现出来了。接下来，我们需要对这个框架图进行更为细致地修改，需要修改的地方为：
- 去掉神经元节点的标签；
- 添加模型层的文字注释(比如Input layer).
其中，第二步的文字注释，我们借助opencv来完成。完整的Python代码如下：
```python
-- coding:utf-8 --
import cv2 import networkx as nx import matplotlib.pyplot as plt
创建DAG
G = nx.DiGraph()
顶点列表
vertex_list = ['v'+str(i) for i in range(1, 22)]
添加顶点
G.addnodesfrom(vertex_list)
边列表
edge_list = [ ('v1', 'v5'), ('v1', 'v6'), ('v1', 'v7'),('v1', 'v8'),('v1', 'v9'), ('v2', 'v5'), ('v2', 'v6'), ('v2', 'v7'),('v2', 'v8'),('v2', 'v9'), ('v3', 'v5'), ('v3', 'v6'), ('v3', 'v7'),('v3', 'v8'),('v3', 'v9'), ('v4', 'v5'), ('v4', 'v6'), ('v4', 'v7'),('v4', 'v8'),('v4', 'v9'), ('v5','v10'),('v5','v11'),('v5','v12'),('v5','v13'),('v5','v14'),('v5','v15'), ('v6','v10'),('v6','v11'),('v6','v12'),('v6','v13'),('v6','v14'),('v6','v15'), ('v7','v10'),('v7','v11'),('v7','v12'),('v7','v13'),('v7','v14'),('v7','v15'), ('v8','v10'),('v8','v11'),('v8','v12'),('v8','v13'),('v8','v14'),('v8','v15'), ('v9','v10'),('v9','v11'),('v9','v12'),('v9','v13'),('v9','v14'),('v9','v15'), ('v10','v16'),('v10','v17'),('v10','v18'), ('v11','v16'),('v11','v17'),('v11','v18'), ('v12','v16'),('v12','v17'),('v12','v18'), ('v13','v16'),('v13','v17'),('v13','v18'), ('v14','v16'),('v14','v17'),('v14','v18'), ('v15','v16'),('v15','v17'),('v15','v18'), ('v16','v19'), ('v17','v20'), ('v18','v21') ]
通过列表形式来添加边
G.addedgesfrom(edge_list)
指定绘制DAG图时每个顶点的位置
pos = { 'v1':(-2,1.5), 'v2':(-2,0.5), 'v3':(-2,-0.5), 'v4':(-2,-1.5), 'v5':(-1,2), 'v6': (-1,1), 'v7':(-1,0), 'v8':(-1,-1), 'v9':(-1,-2), 'v10':(0,2.5), 'v11':(0,1.5), 'v12':(0,0.5), 'v13':(0,-0.5), 'v14':(0,-1.5), 'v15':(0,-2.5), 'v16':(1,1), 'v17':(1,0), 'v18':(1,-1), 'v19':(2,1), 'v20':(2,0), 'v21':(2,-1) }
绘制DAG图
plt.title('DNN for iris') #图片标题 plt.xlim(-2.2, 2.2) #设置X轴坐标范围 plt.ylim(-3, 3) #设置Y轴坐标范围 nx.draw( G, pos = pos, # 点的位置 nodecolor = 'red', # 顶点颜色 edgecolor = 'black', # 边的颜色 fontsize =10, # 文字大小 nodesize =300 # 顶点大小 )
保存图片，图片大小为640*480
plt.savefig('E://data/DNN_sketch.png')
利用opencv模块对DNN框架添加文字注释
读取图片
imagepath = 'E://data/DNN_sketch.png' image = cv2.imread(imagepath, 1)
输入层
cv2.rectangle(image, (85, 130), (120, 360), (255,0,0), 2) cv2.putText(image, "Input Layer", (15, 390), 1, 1.5, (0, 255, 0), 2, 1)
隐藏层
cv2.rectangle(image, (190, 70), (360, 420), (255,0,0), 2) cv2.putText(image, "Hidden Layer", (210, 450), 1, 1.5, (0, 255, 0), 2, 1)
输出层
cv2.rectangle(image, (420, 150), (460, 330), (255,0,0), 2) cv2.putText(image, "Output Layer", (380, 360), 1, 1.5, (0, 255, 0), 2, 1)
sofrmax层
cv2.rectangle(image, (530, 150), (570, 330), (255,0,0), 2) cv2.putText(image, "Softmax Func", (450, 130), 1, 1.5, (0, 0, 255), 2, 1)
保存修改后的图片
cv2.imwrite('E://data/DNN.png', image) ```
这样生成的图片就是文章最开始给出的DNN的结构示意图。Bingo,搞定！
1743
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
