小言_互联网的博客

如何画出高级酷炫的神经网络图？优秀程序员都用了这几个工具

2020-04-01 15:16 394人阅读  评论(0)

（图片付费下载于视觉中国）


作者 | 言有三  
来源 | 有三AI（ID：yanyousan_ai）

【导读】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

NN-SVG 可以非常方便的画出各种类型的图，其作者是下面这位小哥哥开发的，他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/

使用这个工具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。


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。


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。


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。


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。


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/


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。


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。

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


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/

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。


不知有没有人想过 开发一个粉色系的可视化工具呢？ 类似于下面这张图的风格：

你使用的是哪种方式画图呢？有什么好方法、好工具安利？评论区留言与大家分享吧！

(*本文为AI科技大本营转载文章，转载请联系作者)

◆

精彩推荐

◆


【结果提交倒计时】PV,UV流量预测算法大赛，结果提交截止时间为 9月20日 ，还没有提交的小伙伴抓紧时间了~~9月25日公布初赛成绩。 最新排行榜请扫码查看。

推荐阅读

你点的每个“在看”，我都认真当成了喜欢


转载：https://blog.csdn.net/dQCFKyQDXYm3F8rB0/article/details/100918826
查看评论
* 以上用户言论只代表其个人观点，不代表本网站的观点或立场