【神经网络绘制工具】PlotNeuralNet详解-Toy模板网

这篇具有很好参考价值的文章主要介绍了【神经网络绘制工具】PlotNeuralNet详解。希望对大家有所帮助。如果存在错误或未考虑完全的地方，请大家不吝赐教，您也可以点击"举报违法"按钮提交疑问。

一、PlotNeuralNet简介

1. Introduction

PlotNeuralNet库是用于绘制神经网络的工具库，其绘制的神经网络较为干净整洁，比较适合用于科研论文写作等工作中，在此笔者整理了有关该库的使用方法，希望更多朋友能够借助这个库绘制出更多优美的神经网络。

以下是一些通过该库的代码绘制的Neural Netowrk Figures:

【神经网络绘制工具】PlotNeuralNet详解

$FCN - 8$

【神经网络绘制工具】PlotNeuralNet详解

$FCN - 32$

【神经网络绘制工具】PlotNeuralNet详解

$Ho l i s t i c a ll y - N es t e d E d g eDe t ec t i o n$

2. PlotNeuralNet组成和原理

2.1 代码组成

该仓库的代码借助三种语言进行绘制：

python 用于进行设计您自己的神经网络，作为主要的组织脚本文件
shell 用于组织python和latex的运行，作为中间件。（在Linux系统上较为常见和通用）
LaTex 用于绘制神经网络，通过python进行调用

2.2 运行原理

项目通过python调用latex代码进行绘制，这里可以给出一份简短的例子了解工作原理：

# Conv
def to_Conv( name, s_filer=256, n_filer=64, offset="(0,0,0)", to="(0,0,0)", width=1, height=40, depth=40, caption=" " ):
    return r"""
\pic[shift={"""+ offset +"""}] at """+ to +""" 
    {Box={
        name=""" + name +""",
        caption="""+ caption +r""",
        xlabel={{"""+ str(n_filer) +""", }},
        zlabel="""+ str(s_filer) +""",
        fill=\ConvColor,
        height="""+ str(height) +""",
        width="""+ str(width) +""",
        depth="""+ str(depth) +"""
        }
    };
"""

$p ycore . t ik ze n g . p y$

其实从这里就可以看出，通过设定函数参数、返回一个latex的字符串，相当于调用了latex进行绘制。（最后有进行组织绘制的代码）

2.3 Linux友好，Windows有一定问题

不过，值得注意的是，原仓库设计是针对Linux用户的解决方案，在Ubuntu系统下能够顺利运行，在Windows系统上运行的时候，可能存在一定问题。

因此笔者本人对该仓库进行了fork并且做出一定修改，使其能够在windows系统上运行。

3. forked Github Repository

源仓库是面向Linux系统的神经网络可视化工具，在windows上运行可能会有一定的错误信息。

下面是笔者修改过后的代码仓库地址：（fork自原仓库）

SamuraiBUPT: PlotNeuralNet-Windows

当然，您也可以直接去到原仓库进行浏览：

HarisIqbal88: PlotNeuralNet

二、快速开始-Windows

下面是针对windows用户的启动方案。

1. 前置设置

确保您的电脑上安装了LaTex。官方仓库推荐安装 MikTeX ，不过本人仅仅安装了texlive就可以正常运行~
确保您的Windows操作系统具有运行Shell脚本的环境。推荐使用Git bash 或者 Cygwin

2. 克隆本仓库

您可以使用 git clone https://github.com/SamuraiBUPT/PlotNeuralNet-Windows.git 来完成仓库的克隆操作。

3. 跟随以下示例了解如何运行~

将克隆后的项目文件夹用IDE打开
启用bash环境（如果您已经有Git Bash，并且配置好了环境变量，您可以直接在终端输入bash 或者sh 进入shell脚本的运行环境。您会看见终端前方的指示符从windows系统的黑白变成了其他颜色。
进入pyexamples路径，（cd pyexamples/）
输入bash ../tikzmake.sh test_simple 命令来查看您的第一份神经网络图的绘制结果。

4. 对 bash ../tikzmake.sh test_simple 的解释

如您所见，当您在pyexamples路径下创建好自己的python脚本后，仅需要在该路径下调用上一层路径的tikzmake.sh脚本来运行即可。

bash指令是在指定Shell脚本的编译器
../tikzmake.sh是在指定：执行上一层目录下的tikzmake.sh脚本
test_simple是当前路径下的一份python文件的文件名，注意不需要加上.py的后缀！。在这里，这个文件名会作为shell脚本的参数传入，决定了shell脚本执行的目标是哪份文件。

三、用法

了解如何上手该项目代码后，我们可以开始着手绘制自己的神经网络：

常规的初始化

一份常规的组织神经网络的python代码，应该有如下骨架：

import sys

sys.path.append('../')
from pycore.tikzeng import *

# defined your arch
arch = [
    to_head('..'),
    to_cor(),
    to_begin(),

    # your architecture here...
    # ...
    # ...
    # ...

    to_end()
]


def main():
    namefile = str(sys.argv[0]).split('.')[0]
    to_generate(arch, namefile + '.tex')


if __name__ == '__main__':
    main()