无需代码绘制人工神经网络ANN模型结构图的方法

  本文介绍几种基于在线网页或软件的、不用代码的神经网络模型结构可视化绘图方法。

  之前向大家介绍了一种基于Python第三方ann_visualizer模块的神经网络结构可视化方法,大家可以直接点击文章Python绘制神经网络模型图进行查看;这一方法可以对Dense隐藏层以及MaxPooling层、Dropout层、Flatten层等其它类型的隐藏层加以绘制,功能非常强大,但是需要用代码执行,且在执行前需要将神经网络的全部结构与输入数据配置好后才可以绘制,稍微有一些繁琐。

  今天,就向大家介绍两种新的神经网络可视化绘图方法,其中,一种是在线绘制,一种是基于软件绘制(其也可以在网页中直接绘制)。

1 NN-SVG

  网址:http://alexlenail.me/NN-SVG/index.html

  NN-SVG是一个在线神经网络结构绘制网页平台,进入后点点鼠标就可以绘制出精美的神经网络图像,且还可以对整幅图像的方向,以及接点、连接线、箭头等等要素的样式、大小、颜色、权重、间隙大小等属性加以调整,可谓非常方便、非常强大。

无需代码绘制人工神经网络ANN模型结构图的方法

  在其最下方,可以对输入层、隐藏层与输出层的数量与神经元个数加以调整。

无需代码绘制人工神经网络ANN模型结构图的方法

  配置完成取得满意的图像后,大家可以点击最上方的“Download SVG”进行图像下载。需要注意,下载图像的格式是.svg,需要我们手动转换为常见的图片格式。具体在线格式转换网站网上有很多,这里就不再叙述了~

  但是,NN-SVG仅仅可以显示简单的隐藏层,并不能对隐藏层的类型加以区分绘制。

2 Netron

  网址:https://github.com/lutzroeder/netron

  Netron是一个对神经网络以及各类机器学习、深度学习算法进行可视化的工具,分为软件版与在线版(在线版:https://netron.app/ )。绘制时我们需要先建立并保存自己的模型(并且还是要运行之后的,因为其会显示模型中具体参数的变化情况),随后用其打开即可。Netron支持的模型格式如下所示。

无需代码绘制人工神经网络ANN模型结构图的方法

  我们以Windows下其软件版本为例介绍。下载安装包后直接安装。

无需代码绘制人工神经网络ANN模型结构图的方法

  安装完毕后打开软件,如下所示。

无需代码绘制人工神经网络ANN模型结构图的方法

  随后,打开我们保存的模型。

无需代码绘制人工神经网络ANN模型结构图的方法

  即可实现具体模型及其每一个参数变化情况的可视化图像,非常具体、细致。

  个人感觉用Netron进行具体带参数分析的可视化比较方便,如果只是想单纯看一下神经网络的结构的话,用其可能不太方便、不太直观。

原文链接:https://www.cnblogs.com/fkxxgis/p/17388010.html

本站文章如无特殊说明,均为本站原创,如若转载,请注明出处:无需代码绘制人工神经网络ANN模型结构图的方法 - Python技术站

(0)
上一篇 2023年5月10日
下一篇 2023年5月11日

相关文章

  • 2017 2D目标检测论文跟踪

    CVPR 2017 (1)Speed/accuracy trade-offs for modern convolutional object detectors (2)YOLO9000:Better, Faster, Stronger (3)A-Fast-RCNN: Hard positive generation via adversary for obj…

    2023年4月8日
    00
  • Linux Ubuntu16.04LTS安装TensorFlow(CPU-only,python3.7)——使用Anaconda安装

    1、安装Anaconda(在此不再赘述) 2、用Conda安装TensorFlow 1)建立TensorFlow运行环境并激活 conda create -n tensorflow pip python=2.7 #建立环境 或者python=3.4 source activate tensorflow #激活 (以后每次要使用tensorflow都需要执行此…

    tensorflow 2023年4月8日
    00
  • 【caffe编译】nvcc warning:The ‘compute_20’, ‘sm_20’

    Makefile.config 中 CUDA_ARCH := -gencode arch=compute_20,code=sm_20 \ -gencode arch=compute_20,code=sm_21 \ -gencode arch=compute_30,code=sm_30 \ -gencode arch=compute_35,code=sm_35…

    Caffe 2023年4月5日
    00
  • Caffe源代码中Solver文件分析

    Caffe源代码(caffe version commit: 09868ac , date: 2015.08.15)中有一些重要的头文件,这里介绍下include/caffe/solver.hpp文件的内容: 1.      include文件: <caffe/solver.hpp>:此文件的介绍能够參考: http://blog.csdn.ne…

    2023年4月6日
    00
  • [Keras 模型训练] Thread Safe Generator

            最近,在玩语义分割的模型。利用GPU训练的时候,每次跑几个epochs之后,程序崩溃,输出我说我的generator不是线程安全的。查看 trace back发现model.fit_generator在调用自己写的generator出现问题,需要将自己的generator写成线程安全的。          参考keras的#1638 issu…

    2023年4月8日
    00
  • 机器学习-分类算法-逻辑回归

      # -*- coding: utf-8 -*- “”” Spyder Editor This is a temporary script file. “”” import matplotlib.pyplot as plt import numpy as np from sklearn.model_selection import train_test_s…

    机器学习 2023年4月12日
    00
  • 目标检测——One-stage和Two-stage的详解

    一、One-stage类别的目标检测算法 1、什么是One-stage 直接回归物体的类别概率和位置坐标值(无region proposal),但准确度低,速度相遇two-stage快。 2、One-stage的目标检测方法概述                                                                  …

    2023年4月8日
    00
  • ubuntu16.04-caffe安装过程详解-草稿

    前言 目前主要模块都是基于深度学习展开的,虽然知道一些深度学习的基础知识,只是皮毛,还没有使用深度学习框架练手甚至深入,故开始着手深度学习的实操和深入学习。 操作步骤   参考 1.Ubuntu16.04 Caffe 安装步骤记录(超详尽); 2.caffe学习系列; 完

    Caffe 2023年4月7日
    00
合作推广
合作推广
分享本页
返回顶部