利用Graphviz画神经网络框架图

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 -> h11i -> h12i -> h13i -> h14h11 -> h21h11 -> h22h12 -> h21h12 -> h22h13 -> h21h13 -> h22h14 -> h21h14 -> h22h21 -> oh22 -> 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=truesubgraph 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 -> h11i -> h12i -> h13i -> h14h11 -> h21h11 -> h22h12 -> h21h12 -> h22h13 -> h21h13 -> h22h14 -> h21h14 -> h22h11 -> h23h11 -> h24h12 -> h23h12 -> h24h13 -> h23h13 -> h24h14 -> h23h14 -> h24h21 -> oh22 -> oh23 -> oh24 -> 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 Digraphdef 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 Layerwith g.subgraph(name='cluster_input') as c:the_label = 'Input Layer'c.attr(color='white')for i in range(input_layer):n += 1c.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 Layershidden_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 += 1c.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 Layerwith g.subgraph(name='cluster_output') as c:c.attr(color='white')c.attr(rank='same')for i in range(1, output_layer + 1):n += 1c.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：