人工智能|深度学习——PlotNeuralNet简单教程
博士僧小星 2024-10-05 12:31:01 阅读 91
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:MikTeX,Python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TexWorks,windows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:
<code>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)", height=32, depth=32, width=3 ),code>
to_Pool("pool1", offset="(0,0,0)", to="(conv1-east)"),code>
to_Conv("conv2", 128, 64, offset="(1,0,0)", to="(pool1-east)", height=32, depth=32, width=2 ),code>
to_connection( "pool1", "conv2"),
to_Pool("pool2", offset="(0,0,0)", to="(conv2-east)", height=28, depth=28, width=1),code>
to_SoftMax("soft1", 10 ,"(3,0,0)", "(pool1-east)", caption="SOFT" ),code>
to_connection("pool2", "soft1"),
to_Sum("sum1", offset="(1.5,0,0)", to="(soft1-east)", radius=2.5, opacity=0.6),code>
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:
声明
本文内容仅代表作者观点,或转载于其他网站,本站不以此文作为商业用途
如有涉及侵权,请联系本站进行删除
转载本站原创文章,请注明来源及作者。