文章目录
一、PlotNeuralNet1.安装MikTex2.下载PlotNeuralNet3.绘制自己的神经网络图1) 卷积层 4.优缺点一、PlotNeuralNet
Windows版本。
1.安装MikTex
MikTex官网下载好后点下一步就行。
2.下载PlotNeuralNet
GiuHub上的PlotNeuralNet项目,下载到本地后,先运行pyexamples文件夹下的示例文件unet.py,成功运行的话说明本地python环境是OK的。
3.绘制自己的神经网络图
详细步骤如下:
3.1 仿照示例文件,如test_simpl.py的代码,新建一个test.py文件,根据自己的网络结构,对arch中的参数进行修改。
3.2 运行新建的test.py文件,会生成一个新的的test.tex文件,如下图:
3.3 打开安装好的TexWorks,windows可以直接在左下角搜索tex:
3.4 拖动生成的.tex文件到TexWorks软件中,然后点击绿色的运行箭头,就会生成一个绘制好网络结构的PDF文件。
注:pytorch可以用torchsummary
来print显示网络结构和参数,每一层的输出维度、所需参数量都有,非常详细。
其中arch的参数注释如下:
1) 卷积层
注意一下,s_filer,n_filer指的是你在图中标注的尺寸大小,width,height, depth指的是在图中图形显示的实际厚、长与深度(宽)。
to_Conv(name,s_filer=256,n_filer=64,offset=“(0,0,0)”,to=“(0,0,0)”,width=1,height=40, depth=40, caption=" ")
name--名称s_filer--卷积层图像尺寸n_filer--卷积层图像深度(通道数)s_filer、n_filer指卷积层结构的参数,并非制图时的尺寸offset--与前一层分别在x,y,z方向的距离to--在x,y,z方向的坐标,offset、to的在后面会深入讲,你可以自己该不同的值试验一下,找规律width--制图时的厚度height、depth--制图时的长宽width、height、depth指在制图时,卷积层的尺寸caption--备注信息
示例:
to_Conv(“conv1”, 512, 64, offset=“(0,0,0)”, to=“(0,0,0)”, height=64, depth=64, width=32 )
4.优缺点
优点:直观、立体,安装、操作非常简单。
缺点:需要自己修改网络参数,如果网络结构很庞大的话,会比较耗时。