开发者社区> 商业新知> 正文

如何才能画出炫酷高大上的神经网络图?

简介: ‍ 本文我们聊聊如何才能画出炫酷高大上的神经网络图,下面是常用的几种工具。
+关注继续查看

来源商业新知网,原标题:那些酷炫的深度学习网络图怎么画出来的?

本文我们聊聊如何才能画出炫酷高大上的神经网络图,下面是常用的几种工具。

1 NN-SVG

这个工具可以非常方便的画出各种类型的图,是下面这位小哥哥开发的,来自于麻省理工学院弗兰克尔生物工程实验室, 该实验室开发可视化和机器学习工具用于分析生物数据。

github地址:https://github.com/zfrenchee

画图工具体验地址:http://alexlenail.me/NN-SVG/

可以绘制的图包括以节点形式展示的FCNN style,这个特别适合传统的全连接神经网络的绘制。

1_jpeg

以平铺网络结构展示的LeNet style,用二维的方式,适合查看每一层featuremap的大小和通道数目。

2_jpeg

以三维block形式展现的 AlexNet style,可以更加真实地展示卷积过程中高维数据的尺度的变化,目前只支持卷积层和全连接层。

3_jpeg

这个工具可以导出非常高清的SVG图,值得体验。

2 PlotNeuralNet

这个工具是萨尔大学计算机科学专业的一个学生开发的,一看就像计算机学院的嘛。

首先我们看看效果,其github链接如下,将近4000 star:

https://github.com/HarisIqbal88/PlotNeuralNet

看看人家这个fcn-8的可视化图,颜值奇高。

4_jpeg

使用的门槛相对来说就高一些了,用LaTex语言编辑,所以可以发挥的空间就大了,你看下面这个softmax层,这就是会写代码的优势了。

5_jpeg

其中的一部分代码是这样的,会写吗。

pic[shift={(0,0,0)}] at (0,0,0) {Box={name=crp1,caption=SoftmaxLoss: $E_mathcal{S}$ ,%

fill={rgb:blue,1.5;red,3.5;green,3.5;white,5},opacity=0.5,height=20,width=7,depth=20}};

相似的工具还有: https://github.com/jettan/tikz_cnn

3 ConvNetDraw

ConvNetDraw是一个使用配置命令的CNN神经网络画图工具,开发者是香港的一位程序员, Cédric cbovar 。

采用如下的语法直接配置网络,可以简单调整x,y,z等3个维度,github链接如下:

https://cbovar.github.io/ConvNetDraw/

6

使用方法如上图所示,只需输入模型结构中各层的参数配置。

7

挺好用的不过它目标 分辨率太低了,放大之后不清晰,达不到印刷的需求。

4 Draw_Convnet

这一个工具名叫draw_convnet,由Borealis公司的员工Gavin Weiguang Ding提供。

简单直接,是纯用python代码画图的,

https://github.com/gwding/draw_convnet

看看画的图如下,核心工具是matplotlib,图不酷炫,但是好在规规矩矩,可以严格控制,论文用挺合适的。

8

类似的工具还有: https://github.com/yu4u/convnet-drawer

5 Netscope

下面要说的是这个,我最常用的,caffe的网络结构可视化工具,大名鼎鼎的netscope, 由斯坦福AILab的Saumitro Dasgupta开发,找不到照片就不放了,地址如下:

https://github.com/ethereon/netscope

9_jpeg

10_jpeg

左边放配置文件,右边出图,非常方便进行网络参数的调整和可视化。这种方式好就好在各个网络层之间的连接非常的方便。

其他

再分享一个有意思的,不是画什么正经图,但是把权重都画出来了。

http://scs.ryerson.ca/~aharley/vis/conv/

11_jpeg

12_jpeg

看了这么多,有人已经在偷偷笑了,上PPT呀,想要什么有什么,想怎么画就怎么画。

13_jpeg

不过妹子呢?

怎么不来开发一个粉色系的可视化工具呢?

类似于这样的

14_jpeg

版权声明:本文内容由阿里云实名注册用户自发贡献,版权归原作者所有,阿里云开发者社区不拥有其著作权,亦不承担相应法律责任。具体规则请查看《阿里云开发者社区用户服务协议》和《阿里云开发者社区知识产权保护指引》。如果您发现本社区中有涉嫌抄袭的内容,填写侵权投诉表单进行举报,一经查实,本社区将立刻删除涉嫌侵权内容。

相关文章
【Pytorch神经网络理论篇】 25 基于谱域图神经网络GNN:基础知识+GNN功能+矩阵基础+图卷积神经网络+拉普拉斯矩阵
图神经网络(Graph Neural Network,GNN)是一类能够从图结构数据中学习特征规律的神经网络,是解决图结构数据(非欧氏空间数据)机器学习问题的最重要的技术之一。
19 0
图神经网络的数学原理总结
图深度学习(Graph Deep Learning) 多年来一直在加速发展。本文将流行的图神经网络及其数学细微差别的进行详细的梳理和解释
13580 0
【图像融合】基于PCA主成分实现高分辨率全色图图像融合(含评价指标)附matlab代码
【图像融合】基于PCA主成分实现高分辨率全色图图像融合(含评价指标)附matlab代码
138 0
图神经网络学习笔记-02图游走类模型
图神经网络学习笔记-02图游走类模型
95 0
【计算机图形学】实验二:曲线拟合
【计算机图形学】实验二:曲线拟合
46 0
图神经网络学习笔记-04图神经网络算法(下)
图神经网络学习笔记-04图神经网络算法(下)
33 0
感受野和特征图的深度理解
​ 经典目标检测和最新目标跟踪都用到了RPN(region proposal network),锚框(anchor)是RPN的基础,感受野(receptive field, RF)是anchor的基础。本文介绍感受野及其计算方法,和有效感受野概念。同时也向大家补充特征图的相关知识~ ​
73 0
神经网络入门-宝石分类
神经网络入门-宝石分类
118 0
使用神经网络解决拼图游戏
使用神经网络解决拼图游戏
113 0
【机器学习知识点】【1】二维与三维空间梯度下降微分求解及可视化展示
【机器学习知识点】【1】二维与三维空间梯度下降微分求解及可视化展示
63 0
+关注
商业新知
商业新知网是首家运用知识图谱构建的,集商业创新知识(数字化创新、营销创新、管理创新为主)与商业创新选型服务于一体的互联网平台,致力于为商业创新与转型的管理者服务。
文章
问答
视频
文章排行榜
最热
最新
相关电子书
更多
纯干货 | 机器学习中梯度下降法的分类及对比分析
立即下载
低代码开发师(初级)实战教程
立即下载
阿里巴巴DevOps 最佳实践手册
立即下载