神经网络可视化——收集的一些常见的网络可视化方法

前言

tensorflow，pytorch，mxnet 每一个主流的深度学习框架都提供了相对应的可视化模板，那有没有一种方法更加具有通用性呢？我们会在论文中，相关文献中看到各种神经网络可视化的图形，有平面图形，三维立体图形，觉得很美观，你一定很好奇，这是不是使用绘图软件画的，还是只是用办公软件画的？对于人工智能研究者，那就太 low 了，人工智能都搞得定，还能被几幅图像给难住？本文带你一文看尽常用的一些神经网络可视化的开源项目。

前面已经介绍了小草最喜欢的一个可视化框架，netron，今天来看一下接下来的几种网络可视化途径吧！鉴于篇幅较多，本次为系列文章第二篇。

1、ConvNetDraw

这个工具可能很多人都不知道，不过如果你知道神经网络的结构，而且你能很快的写出基本的代码，那么这款软件再方便不过啦，重要的是它的绘制结果是 3D，比较好看，缺点是卷积层的颜色等比较固定，不适合进行设计。以下是有关该工具的几个有用链接。

（1）ConvNetDraw 的 github-https://github.com/cbovar/ConvNetDraw

（2）ConvNetDraw 在线绘图网址 -https://cbovar.github.io/ConvNetDraw/

2、 draw_convnet

这是一个 Python 工具，可以将代码转换为网络图显示出来。有关该工具的有用链接如下所示：

raw_convnet 的 github 链接 -https://github.com/gwding/draw_convnet

3、PlotNeuralNet

这是我偶然间寻找到的工具，基于 Latex，话不多说，直接看效果你就决定要不要使用它啦。其相关链接如下所示：

PlotNeuralNet 的 github 链接 -https://github.com/HarisIqbal88/PlotNeuralNet

4、NN-SVG

有关该软件的有用链接如下所示：

（1）N-SVG 的 github 链接 -https://github.com/zfrenchee/NN-SVG

（2）N-SVG 的在线界面 -http://alexlenail.me/NN-SVG/LeNet.html

5、Python + Graphviz

针对节点较多的网络，不可避免需要投入大量尽量来写重复的脚本代码。用 python 编写了一个简单的 dot 脚本生成工具（MakeNN），可以很方便的输入参数生成 nn 结构图。

6、Graphviz - dot

在 dot 里面 label 的玩法比较多，在上面看到的每个节点都是简单的一段文字，如果想要比较复杂的结构怎么办？那就通过编写代码生成吧。其对应的代码和结果如下所示。其相关的资源如下所示：

Graphviz 的官方链接 -https://www.graphviz.org/

7、 NetworkX

一个可以用来绘制神经网络的 python 包，其相应的资源如下所示：

1、NetworkX 文档 -https://networkx.github.io/documentation/latest/tutorial.html

2、NetworkX 的 github-https://github.com/networkx

\>>> options \= {
...     'node\_color': 'black',
...     'node\_size': 100,
...     'width': 3,
... }
\>>> plt.subplot(221)
<matplotlib.axes.\_subplots.AxesSubplot object at ...\>
\>>> nx.draw\_random(G, \*\*options)
\>>> plt.subplot(222)
<matplotlib.axes.\_subplots.AxesSubplot object at ...\>
\>>> nx.draw\_circular(G, \*\*options)
\>>> plt.subplot(223)
<matplotlib.axes.\_subplots.AxesSubplot object at ...\>
\>>> nx.draw\_spectral(G, \*\*options)
\>>> plt.subplot(224)
<matplotlib.axes.\_subplots.AxesSubplot object at ...\>
\>>> nx.draw\_shell(G, nlist\=\[range(5,10), range(5)\], \*\*options)

8、 DAFT

Daft 是一个 Python 包，它使用 matplotlib 渲染像素完美的概率图形模型，以便在期刊或互联网上发布。 使用简短的 Python 脚本和直观的模型构建语法，您可以设计定向（贝叶斯网络，有向无环图）和无向（马尔可夫随机场）模型，并将它们保存为 matplotlib 支持的任何格式（包括 PDF，PNG，EPS 和 SVG））。其相关资源如下所示：

（1）daft 官网链接 -http://daft-pgm.org/

（2）daft 的 github 链接 -https://github.com/dfm/daft

https://cloud.tencent.com/developer/article/1441558