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：

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：

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：