PlotNeuralNet绘图

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

# defined your arch
arch = [
    to_head( '..' ), #初始化
    to_cor(),  #颜色设置
    to_begin(), #开始标志
    # to_input('1.png',width=8, height=8,name="cat"), #参数分别是图片路径名称、宽、高、以及名称
    to_Conv("conv1", 512, 64, offset="(0,0,0)", to="(0,0,0)", height=64, depth=64, width=2 ), #添加一层卷积层  （to_ConvConvRelu	添加一层带有relu操作的卷积层）
    to_Pool("pool1", offset="(0,0,0)", to="(conv1-east)"), #添加一层池化层
    #to是坐标、位置  offset则是偏移位置 （个人理解）
    to_Conv("conv2", 128, 64, offset="(1,0,0)", to="(pool1-east)", height=32, depth=32, width=2 ),
    to_connection( "pool1", "conv2"),  #使用箭头连接指定的两层
    to_Pool("pool2", offset="(0,0,0)", to="(conv2-east)", height=28, depth=28, width=1), # to="(conv2-east)"--在con2层的东侧 #opacity=0.9
    to_SoftMax("soft1", 10 ,"(3,0,0)", "(pool1-east)", caption="SOFT"  ), #添加SoftMax
    to_connection("pool2", "soft1"),    #使用箭头连接指定的两层
    to_Sum("sum1", offset="(1.5,0,0)", to="(soft1-east)", radius=2.5, opacity=0.6), #添加一个 “+” 按钮sum1
    to_connection("soft1", "sum1"),
    to_end() #结束标志
    ]
    #to_skip 跳过指定的两层  连接
def main():
    namefile = str(sys.argv[0]).split('.')[0]
    to_generate(arch, namefile + '.tex' )

if __name__ == '__main__':
    main()

如图所示，此模型的卷积层、池化层等都是由长方体组成的，我们将其定义为长宽高，长为depth，宽为width，高为hegiht,图中的64，512则是s_filer，n_filer