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
qq_416276422 分钟前
LOFAR物理频谱特征提取及实现
人工智能
Python图像识别31 分钟前
71_基于深度学习的布料瑕疵检测识别系统(yolo11、yolov8、yolov5+UI界面+Python项目源码+模型+标注好的数据集)
python·深度学习·yolo
余俊晖32 分钟前
如何构造一个文档解析的多模态大模型?MinerU2.5架构、数据、训练方法
人工智能·文档解析
Akamai中国2 小时前
Linebreak赋能实时化企业转型:专业系统集成商携手Akamai以实时智能革新企业运营
人工智能·云计算·云服务
LiJieNiub3 小时前
读懂目标检测:从基础概念到主流算法
人工智能·计算机视觉·目标跟踪
哥布林学者3 小时前
吴恩达深度学习课程一:神经网络和深度学习 第三周:浅层神经网络(二)
深度学习·ai
weixin_519535773 小时前
从ChatGPT到新质生产力:一份数据驱动的AI研究方向指南
人工智能·深度学习·机器学习·ai·chatgpt·数据分析·aigc
爱喝白开水a4 小时前
LangChain 基础系列之 Prompt 工程详解:从设计原理到实战模板_langchain prompt
开发语言·数据库·人工智能·python·langchain·prompt·知识图谱
takashi_void4 小时前
如何在本地部署大语言模型(Windows,Mac,Linux)三系统教程
linux·人工智能·windows·macos·语言模型·nlp
OpenCSG4 小时前
【活动预告】2025斗拱开发者大会,共探支付与AI未来
人工智能·ai·开源·大模型·支付安全