利用Graphviz画神经网络框架图

版权声明：本文为Edisonleejt原创文章， 转载请注明出处。 https://blog.csdn.net/Edisonleeee/article/details/90217562

文章目录

• 前言
• dot画神经网络图
• 简单神经网络
• 大型神经网络（伪）

Python 画神经网络图

• 大型神经网络

前言

做了神经网络这么久，偶尔想画一下自己模型的架构图，但是又无从下手，因为网络一般都比较复杂，如果自己手动利用Visio画的画又比较麻烦，而我又比较懒，网上搜了一下Graphviz
画图工具，学了会便开始打算利用它来画模型结构图。
关于Graphviz的介绍，可以参考我的前两篇博客：

• Graphviz 画图教程
• Graphviz 画图教程（Python）

dot画神经网络图

简单神经网络

digraph G {
rankdir=LR;
splines=line;
nodesep=.1;
node [label=""];
subgraph cluster_0 {
color=white;
node [style=solid,color=green,shape=circle];
i;
label = "Input Layer";
}

subgraph cluster_1 {
color=white;
node [style=solid,color=blue, shape=circle];
h11, h12, h13, h14;
label = "Hidden Layer 1";
}

subgraph cluster_2 {
color=white;
node [style=solid,color=blue, shape=circle];
h21, h22;
label = "Hidden Layer 2";
}

subgraph cluster_3 {
color=white;
node [style=solid,color=red, shape=circle];
o;
label="Output Layer";
}

i -> h11
i -> h12
i -> h13
i -> h14

h11 -> h21
h11 -> h22
h12 -> h21
h12 -> h22
h13 -> h21
h13 -> h22
h14 -> h21
h14 -> h22

h21 -> o
h22 -> o

}

这里我们定义了一个图

G

，及四个子图

cluster_0

、

cluster_1

、

cluster_2

、

cluster_ 3

，并为每个子图定义了结点类

node

及其各自属性，由于神经网络是全连接，因此我们需要为每一个结点连上边（十分繁琐）。
将其保存为

demo.dot

文件，通过命令：

dot -Tpng demo.dot -o demo.png

将其转化为png图片，如下所示：

好了，这样就画好了一个简单的神经网络模型图了，但是当你遇上结点较多的情况怎么办？
你可能会说，我又不傻，难道一个个在dot脚本上写上去？我可以用省略号代替啊！好的，那么来试试省略号代替的“伪大型神经网络”样子。

大型神经网络（伪）

digraph G {
rankdir=LR;
splines=line;
nodesep=.1;
node [label=""];
compound=true
subgraph cluster_0 {
color=white;
node [style=solid,color=green,shape=circle];
i;
label = "Input Layer";
}

subgraph cluster_1 {
color=white;
node [style=solid,color=blue, shape=circle];
h11, h12, h13, h14;
label = "Hidden Layer 1 (4 nodes)";
}

subgraph cluster_2 {
color=white;
{
node [style=solid,color=blue,shape=circle];
h21;h22;
}
node [style=solid,shape=point];
p1; p2; p3;
{
node [style=solid,color=blue,shape=circle];
h23;h24;
}
label = "Hidden Layer 2 (100 nodes)";
}

subgraph cluster_3 {
color=white;
node [style=solid,color=red, shape=circle];
o;
label="Output Layer";
}

i -> h11
i -> h12
i -> h13
i -> h14

h11 -> h21
h11 -> h22
h12 -> h21
h12 -> h22
h13 -> h21
h13 -> h22
h14 -> h21
h14 -> h22

h11 -> h23
h11 -> h24
h12 -> h23
h12 -> h24
h13 -> h23
h13 -> h24
h14 -> h23
h14 -> h24

h21 -> o
h22 -> o
h23 -> o
h24 -> o

}

这里我通过增加了几个形状为

point

的结点，使得整个网络看起来像是一个大型的网络的缩略版。注意，画图的时候顺序是按照结点定义的顺序来画的，所以三个小黑点要定义在中间。

Python 画神经网络图

大型神经网络

虽然按照上面的做法能够“投机取巧”地画出一个伪大型神经网络结构图，但是当你要真正画一个大型神经网络并且观察它的连接细节呢？这种时候就要利用Python的力量了。
代码如下，相关解释已经写在代码注释中：

from graphviz import Digraph

def Neural_Network_Graph(input_layer, hidden_layers, output_layer, filename="demo"):
g = Digraph('g', filename=filename)  # 定义一个有向图
n = 0  # 所有结点的数量，用其来作为结点的名字（代号）
g.graph_attr.update(splines="false", nodesep='0.8',
ranksep='2', rankdir="LR")
# 设置下图的属性: 线类型，结点间隔，每一级的间隔

# Input Layer
with g.subgraph(name='cluster_input') as c:
the_label = 'Input Layer'
c.attr(color='white')
for i in range(input_layer):
n += 1
c.node(str(n))
c.attr(label=the_label, rank='same')
c.node_attr.update(color="#2ecc71", style="filled",
fontcolor="#2ecc71", shape="circle")

last_layer_nodes = input_layer  # 最后一层的结点数量
nodes_up = input_layer  # 总结点数量

# Hidden Layers

hidden_layers_nr = len(hidden_layers)  # 隐藏层层数
for i in range(hidden_layers_nr):
with g.subgraph(name="cluster_" + str(i + 1)) as c:
c.attr(color='white')
c.attr(rank='same')
the_label = "Hidden Layer" + str(i+1)
c.attr(label=the_label)
for j in range(hidden_layers[i]):
n += 1
c.node(str(n), shape="circle", style="filled",
color="#3498db", fontcolor="#3498db")
for h in range(nodes_up - last_layer_nodes + 1, nodes_up + 1):
g.edge(str(h), str(n))  # 定义好上一层到下一层的连接线
last_layer_nodes = hidden_layers[i]
nodes_up += hidden_layers[i]

# Output Layer
with g.subgraph(name='cluster_output') as c:
c.attr(color='white')
c.attr(rank='same')
for i in range(1, output_layer + 1):
n += 1
c.node(str(n), shape="circle", style="filled",
color="#e74c3c", fontcolor="#e74c3c")
for h in range(nodes_up - last_layer_nodes + 1, nodes_up + 1):
g.edge(str(h), str(n))
c.attr(label='Output Layer')
c.node_attr.update(color="#2ecc71", style="filled",
fontcolor="#2ecc71", shape="circle")

g.attr(arrowShape="none")
g.edge_attr.update(arrowhead="none", color="#707070")
g.render(filename, format="png")

我编写了一个

Neural_Network_Graph

函数，接收输入为：

• input_layer

  ：输入层神经元数量

• hidden_layers

  ：列表类型，隐藏层层数及神经元数量

• output_layer

  ：输出层神经元数量
  通过定义三个参数，调用

  Neural_Network_Graph

  函数：

# -------------------------------------------
input_layer = 5  # 输入层的神经元数量
hidden_layers = [10, 6]  # 隐藏层层数和数量
output_layer = 1  # 输出层神经元数量
# -----------------------------------------------

Neural_Network_Graph(input_layer, hidden_layers, output_layer)

很容易得到一张

png

格式的神经网络图：