（附鏈接）12個(gè)畫出漂亮神經(jīng)網(wǎng)絡(luò)圖的工具

點(diǎn)擊左上方藍(lán)字關(guān)注我們

全網(wǎng)搜集目標(biāo)檢測(cè)相關(guān)，人工篩選最優(yōu)價(jià)值內(nèi)容

編者薦語

論文與報(bào)告中經(jīng)常會(huì)使用到神經(jīng)網(wǎng)絡(luò)圖，所以可以幫助我們更輕松便捷進(jìn)行繪制的工具，還是需要提前準(zhǔn)備幾個(gè)的。文章整理了12個(gè)常用的繪圖工具，排名不分先后。

1. PlotNeuralNet

主要的優(yōu)點(diǎn)如下：

1.可以使用LaTex編寫；

2.自由度高，也可以使用Python腳本編寫結(jié)構(gòu)模型；

主要的缺點(diǎn)如下：

1.無交互界面；

2.上手略有難度。

鏈接：https://github.com/HarisIqbal88/PlotNeuralNet

2. draw_convnet

由Borealis公司的員工Gavin Weiguang Ding提供，使用純python代碼進(jìn)行畫圖。核心工具是matplotlib，圖不算太酷炫，但是好在規(guī)規(guī)矩矩，可以較好的控制結(jié)構(gòu)。

鏈接：https://github.com/gwding/draw_convnet

3. NNSVG

一位來自于麻省理工學(xué)院弗蘭克爾生物工程實(shí)驗(yàn)室的人進(jìn)行開發(fā)，該實(shí)驗(yàn)室開發(fā)可視化和機(jī)器學(xué)習(xí)工具用于分析生物數(shù)據(jù)。該工具可以非常方便的畫出三種神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)：

1. FCNN模型；

2. LeNet模型；

3. AlexNet模型。

鏈接：http://alexlenail.me/NN-SVG/LeNet.html

4. Caffe

caffe的python編譯模塊提供了繪制net結(jié)構(gòu)的功能，可實(shí)現(xiàn)對(duì)網(wǎng)絡(luò)結(jié)構(gòu)的繪制，這極大的方便了對(duì)網(wǎng)絡(luò)結(jié)構(gòu)的理解和分析。調(diào)用caffe中的draw.py文件便可以進(jìn)行結(jié)構(gòu)圖繪制，也就是將網(wǎng)絡(luò)模型由prototxt變成一張圖片。

鏈接：https://github.com/BVLC/caffe/blob/master/python/caffe/draw.py

5. Tensorboard

TensorBoard 是用于提供機(jī)器學(xué)習(xí)工作流程期間所需的測(cè)量和可視化的工具。它使您能夠跟蹤實(shí)驗(yàn)指標(biāo)，例如損失和準(zhǔn)確性，可視化模型圖，將嵌入物投影到較低維度的空間等等。尤其是在訓(xùn)練網(wǎng)絡(luò)的時(shí)候，我們可以設(shè)置不同的參數(shù)（權(quán)重W、偏置B、卷積層數(shù)、全連接層數(shù)等），并可以直觀的幫助我們進(jìn)行參數(shù)的選擇。

鏈接：https://tensorflow.google.cn/tensorboard/get_started

6. DotNets

這是一個(gè)簡(jiǎn)單的 Python 腳本，用于使用 Python 和 Graphviz 生成前饋神經(jīng)網(wǎng)絡(luò)的圖片。這受到了 Thiago G. Martins How to draw neural network diagrams using Graphviz 的啟發(fā)。

鏈接：https://github.com/martisak/dotnets

7.Matlab

MATLAB是美國MathWorks公司出品的商業(yè)數(shù)學(xué)軟件，用于數(shù)據(jù)分析、無線通信、深度學(xué)習(xí)、圖像處理與計(jì)算機(jī)視覺、信號(hào)處理、量化金融與風(fēng)險(xiǎn)管理、機(jī)器人，控制系統(tǒng)等領(lǐng)域。

Matlab的優(yōu)點(diǎn)很明顯，一般使用過的人都很清楚。不過缺點(diǎn)就是他的商業(yè)屬性，同時(shí)由于其帶有米國“屬性”，對(duì)我們帶來了一系列的問題。可以的情況下還是需要慎重使用，畢竟這個(gè)軟件太容易產(chǎn)生依賴了。

鏈接：http://www.mathworks.com/help/nnet/ref/view.html

8.Keras.js

Keras是一款非常流行的深度學(xué)習(xí)模型開發(fā)框架，基于python，語法簡(jiǎn)潔，封裝程度高，只需十幾行代碼就可以構(gòu)建一個(gè)深度神經(jīng)網(wǎng)絡(luò)。Keras.js是一個(gè)可以在瀏覽器中運(yùn)行深度神經(jīng)網(wǎng)絡(luò)的JS框架（同時(shí)包含互動(dòng)演示），支持CPU，GPU計(jì)算。區(qū)別于Keras，Keras.js只能運(yùn)行已經(jīng)調(diào)試好的模型，無法進(jìn)行模型訓(xùn)練。

鏈接：https://transcranial.github.io/keras-js/#/

9.  Graphviz

Graphviz 是開源圖形可視化軟件。圖可視化是一種將結(jié)構(gòu)信息表示為抽象圖和網(wǎng)絡(luò)圖的方法。它在網(wǎng)絡(luò)、生物信息學(xué)、軟件工程、數(shù)據(jù)庫和網(wǎng)頁設(shè)計(jì)、機(jī)器學(xué)習(xí)以及其他技術(shù)領(lǐng)域的可視化界面中具有重要的應(yīng)用。

鏈接：http://magjac.com/graphviz-visual-editor/

10. ConX

ConX 是一種構(gòu)建和理解深度學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)的可訪問且強(qiáng)大的方法（同時(shí)包含可視化神經(jīng)網(wǎng)絡(luò)）。具體來說，它位于 Keras 之上，而 Keras 位于 TensorFlow、CNTK 或 Theano 之上（盡管不再開發(fā) Theano）。

主要功能包含:

1.有一個(gè)易于使用的界面來創(chuàng)建神經(jīng)網(wǎng)絡(luò)層之間的連接;

2.添加用于操作神經(jīng)網(wǎng)絡(luò)的附加功能;

3.支持用于訓(xùn)練和使用神經(jīng)網(wǎng)絡(luò)的可視化和分析;

4.擁有您需要的一切；不需要復(fù)雜的數(shù)值或繪圖庫的知識(shí);

5.如果您愿意，可以與較低級(jí)別的（Keras）集成。

鏈接：https://conx.readthedocs.io/en/latest/index.html

11. ENNUI

個(gè)人感覺是個(gè)很奇怪的風(fēng)格，不做過多評(píng)價(jià)。

鏈接：https://math.mit.edu/ennui/

12.  Neataptic

Neataptic 提供靈活的神經(jīng)網(wǎng)絡(luò)（附帶可視化功能）；神經(jīng)元和突觸可以用一行代碼刪除。神經(jīng)網(wǎng)絡(luò)根本不需要固定的架構(gòu)來運(yùn)行。這種靈活性允許通過神經(jīng)進(jìn)化為您的數(shù)據(jù)集塑造網(wǎng)絡(luò)，這是使用多線程完成的。

鏈接：https://wagenaartje.github.io/neataptic/

END

雙一流大學(xué)研究生團(tuán)隊(duì)創(chuàng)建，專注于目標(biāo)檢測(cè)與深度學(xué)習(xí)，希望可以將分享變成一種習(xí)慣！

整理不易，點(diǎn)贊三連↓