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: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:

三、使用

  1. 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:
  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
  3. 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···):
  4. 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:
python 复制代码
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 ),
    to_Pool("pool1", offset="(0,0,0)", to="(conv1-east)"),
    to_Conv("conv2", 128, 64, offset="(1,0,0)", to="(pool1-east)", height=32, depth=32, width=2 ),
    to_connection( "pool1", "conv2"), 
    to_Pool("pool2", offset="(0,0,0)", to="(conv2-east)", height=28, depth=28, width=1),
    to_SoftMax("soft1", 10 ,"(3,0,0)", "(pool1-east)", caption="SOFT"  ),
    to_connection("pool2", "soft1"),    
    to_Sum("sum1", offset="(1.5,0,0)", to="(soft1-east)", radius=2.5, opacity=0.6),
    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

相关推荐
星期天要睡觉1 天前
计算机视觉(opencv)实战二十一——基于 SIFT 和 FLANN 的指纹图像匹配与认证
人工智能·opencv·计算机视觉
victory04311 天前
wav2vec微调进行疾病语音分类任务
人工智能·分类·数据挖掘
semantist@语校1 天前
第二十篇|SAMU教育学院的教育数据剖析:制度阈值、能力矩阵与升学网络
大数据·数据库·人工智能·百度·语言模型·矩阵·prompt
IT_陈寒1 天前
React 性能优化必杀技:这5个Hook组合让你的应用提速50%!
前端·人工智能·后端
剪一朵云爱着1 天前
一文入门:机器学习
人工智能·机器学习
hi0_61 天前
机器学习实战(一): 什么是机器学习
人工智能·机器学习·机器人·机器学习实战
ChinaRainbowSea1 天前
9. LangChain4j + 整合 Spring Boot
java·人工智能·spring boot·后端·spring·langchain·ai编程
有Li1 天前
基于联邦学习与神经架构搜索的可泛化重建:用于加速磁共振成像|文献速递-最新医学人工智能文献
论文阅读·人工智能·文献·医学生
桃花键神1 天前
从传统到智能:3D 建模流程的演进与 AI 趋势 —— 以 Blender 为例
人工智能·3d·blender
星期天要睡觉1 天前
计算机视觉(opencv)实战十七——图像直方图均衡化
人工智能·opencv·计算机视觉