一、简介PlotNeuralNet是一个强大的开源Python库,它专为简化和美化神经网络图的绘制而设计二、安装需要下载的工具包括MikTeXPython代码编辑器这个肯定会有的吧···Git bash可选安装过程如下安装MikTex请移步https://miktex.org/download下载完一直Next就行了点击Github链接下载PlotNeuralNet 脚本到本地。如果使用Git bash下载的话使用命令git clone https://github.com/HarisIqbal88/PlotNeuralNet上一步完成之后运行包中pyexamples文件夹下的unet.py文件如果能成功的话证明python环境没什么问题三、使用仿照unet.py或者test_simpl.py的代码新建一个.py文件假设为test2.py我们需要修改的只是arch中的元素和元素中的参数每个元素的含义以及函数参数解释分别见附录1和附录2运行新建的test2.py文件会在pyexamples文件夹下看到一个新生成的test2.tex文件打开安装好的TexWorkswindows用户左下角搜索tex即可因为会忘记自己安装在哪里···拖动第三步生成的.tex文件到TexWorks软件中然后点击箭头所指的运行标志import sys sys.path.append(../) from pycore.tikzeng import * # defined your arch arch [ to_head( .. ), to_cor(), to_begin(), to_Conv(conv1, 512, 64, offset(0,0,0), to(0,0,0), height32, depth32, width3 ), to_Pool(pool1, offset(0,0,0), to(conv1-east)), to_Conv(conv2, 128, 64, offset(1,0,0), to(pool1-east), height32, depth32, width2 ), to_connection( pool1, conv2), to_Pool(pool2, offset(0,0,0), to(conv2-east), height28, depth28, width1), to_SoftMax(soft1, 10 ,(3,0,0), (pool1-east), captionSOFT ), to_connection(pool2, soft1), to_Sum(sum1, offset(1.5,0,0), to(soft1-east), radius2.5, opacity0.6), to_connection(soft1, sum1), to_end() ] def main(): namefile str(sys.argv[0]).split(.)[0] to_generate(arch, namefile .tex ) if __name__ __main__: main()一个简单的使用流程完成附自己生成的一个网络结构四、附录1元素函数解释元素主要位于pycore模块内函数名作用to_head一些初始设置比如说生成.tex文件位置to_cor颜色设置to_begin开始标志上面三个元素都是默认的依次放在arch列表开头就行。如果想分模块设计的话需要用到以下函数下面这些函数需要使用需要在前面加上*代表其是一个位置参数函数名作用block_2ConvPool添加卷积池化模块block_Unconv添加模块没用到UnConv层···block_Res添加Res层五、附录2元素函数的参数都是大同小异的所以只挑几个比较常见的进行解释参考
人工智能|深度学习——PlotNeuralNet简单教程
一、简介PlotNeuralNet是一个强大的开源Python库,它专为简化和美化神经网络图的绘制而设计二、安装需要下载的工具包括MikTeXPython代码编辑器这个肯定会有的吧···Git bash可选安装过程如下安装MikTex请移步https://miktex.org/download下载完一直Next就行了点击Github链接下载PlotNeuralNet 脚本到本地。如果使用Git bash下载的话使用命令git clone https://github.com/HarisIqbal88/PlotNeuralNet上一步完成之后运行包中pyexamples文件夹下的unet.py文件如果能成功的话证明python环境没什么问题三、使用仿照unet.py或者test_simpl.py的代码新建一个.py文件假设为test2.py我们需要修改的只是arch中的元素和元素中的参数每个元素的含义以及函数参数解释分别见附录1和附录2运行新建的test2.py文件会在pyexamples文件夹下看到一个新生成的test2.tex文件打开安装好的TexWorkswindows用户左下角搜索tex即可因为会忘记自己安装在哪里···拖动第三步生成的.tex文件到TexWorks软件中然后点击箭头所指的运行标志import sys sys.path.append(../) from pycore.tikzeng import * # defined your arch arch [ to_head( .. ), to_cor(), to_begin(), to_Conv(conv1, 512, 64, offset(0,0,0), to(0,0,0), height32, depth32, width3 ), to_Pool(pool1, offset(0,0,0), to(conv1-east)), to_Conv(conv2, 128, 64, offset(1,0,0), to(pool1-east), height32, depth32, width2 ), to_connection( pool1, conv2), to_Pool(pool2, offset(0,0,0), to(conv2-east), height28, depth28, width1), to_SoftMax(soft1, 10 ,(3,0,0), (pool1-east), captionSOFT ), to_connection(pool2, soft1), to_Sum(sum1, offset(1.5,0,0), to(soft1-east), radius2.5, opacity0.6), to_connection(soft1, sum1), to_end() ] def main(): namefile str(sys.argv[0]).split(.)[0] to_generate(arch, namefile .tex ) if __name__ __main__: main()一个简单的使用流程完成附自己生成的一个网络结构四、附录1元素函数解释元素主要位于pycore模块内函数名作用to_head一些初始设置比如说生成.tex文件位置to_cor颜色设置to_begin开始标志上面三个元素都是默认的依次放在arch列表开头就行。如果想分模块设计的话需要用到以下函数下面这些函数需要使用需要在前面加上*代表其是一个位置参数函数名作用block_2ConvPool添加卷积池化模块block_Unconv添加模块没用到UnConv层···block_Res添加Res层五、附录2元素函数的参数都是大同小异的所以只挑几个比较常见的进行解释参考
