Python绘制神经网络模型图

太过爱你忘了你带给我的痛 2024-03-16 12:28 67阅读 0赞

本文介绍基于**Python**语言，对**神经网络模型**的结构进行**可视化绘图**的方法。

最近需要进行神经网络结构模型的可视化绘图工作。查阅多种方法后，看到很多方法都比较麻烦，例如单纯利用`graphviz`模块，就需要手动用**DOT语言**进行图片描述，比较花时间；最终，发现利用第三方的`ann_visualizer`模块，可以实现对**已有神经网络**的直接可视化，过程较为方便，本文对此加以详细介绍。

此外，如果需要在**MATLAB**中实现神经网络构建与简单的可视化，大家可以查看[MATLAB人工神经网络ANN代码][MATLAB_ANN]；如果要借助软件或在线工具进行**不需要代码**的神经网络可视化，可以查看我们后期的博客。

相关环境的版本信息：**Anaconda Navigator**：`1.10.0`；**Python**：`3.8.5`。

首先，下载与安装必要的模块`ann_visualizer`。打开**Anaconda Prompt (Soft)**。

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3poZWJ1c2hpYmlhb3NoaWZ1_size_16_color_FFFFFF_t_70][]

在弹出的界面中输入：

pip install ann_visualizer

即可完成`ann_visualizer`模块的安装。

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3poZWJ1c2hpYmlhb3NoaWZ1_size_16_color_FFFFFF_t_70 1][]

接下来，我们就可以借助以下仅仅一句代码对神经网络模型进行可视化了。

ann_viz(DNNModel,view=True,filename='G:/CropYield/02_CodeAndMap/01_SavedPicture/MyANN.gv',title='ANN')

其中，`DNNModel`就是我们已经建立好的神经网络模型，任意神经网络模型均可——可以是一个简单的**浅层人工神经网络**，也可以是一个相对复杂的**全连接深度神经网络**；`view`表示是否在代码执行后直接显示绘图结果；`filename`是绘图结果的保存位置，需要以`.gv`结尾；`title`就是神经网络图片的名称。

在这里，我就直接以[Python TensorFlow深度神经网络回归：keras.Sequential][Python TensorFlow_keras.Sequential]中介绍并建立的**深度神经网络**加以可视化。

第一次运行代码时发现，出现以下报错：

![20210427224936290.png][]

报错提示我没有安装`graphviz`模块，但其实之前在进行**随机森林决策树的可视化**（也就是[Python实现随机森林RF并对比自变量的重要性][Python_RF]）时，早已经将这一模块安装过了，并且当时用到`graphviz`这一模块的代码也没有报错。通过查阅，发现这里需要重新安装一下`python-graphviz`这个新的模块。因此我们打开**Anaconda Prompt (Soft)**，输入代码：

conda install python-graphviz

如下图所示：

![20210427225429985.png][]

安装之后这里就不报错啦~

结果紧接着又报出了新的错误，说我的`keras`模块没有安装：

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3poZWJ1c2hpYmlhb3NoaWZ1_size_16_color_FFFFFF_t_70 2][]

这就不对了，明明在进行深度神经网络构建时都没有出现问题，甚至在这一句报错的下方连**深度神经网络的误差绘制曲线**都能显示（误差曲线的精度的确很差，大家不用在意~因为这里我们仅仅是做一个示范，所以**Epoch**次数就调得很小），说明`keras`模块应该是没问题的。

随后考虑到，这里报错的`keras`是在`ann_visualizer`的文件环境下，可能是环境不同导致的。打开**Anaconda Navigator**，在`base (root)`环境下确实找不到`keras`：

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3poZWJ1c2hpYmlhb3NoaWZ1_size_16_color_FFFFFF_t_70 3][]

那么我这里就图方便，直接在`base (root)`环境下再安装一个`keras`。安装方法同上，输入代码即可：

pip install keras

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3poZWJ1c2hpYmlhb3NoaWZ1_size_16_color_FFFFFF_t_70 4][]

然后这里就不报错啦~

接下来，经过多次尝试发现，这一方法进行神经网络可视化时，一是**不能存在正则化层与BatchNormalization层**；二是**LeakyReLU层与Dropout层的总数量不能过多**，否则绘图结果会出现问题——这就显得这一可视化方法稍微有点鸡肋了，但是其对于基本的神经网络绘图而言其实也已经很不错了。因此，我就将[Python TensorFlow深度神经网络回归：keras.Sequential][Python TensorFlow_keras.Sequential]中的神经网络上述对应的层删除或注释掉。

如下图，首先，将当初我的代码对应的`LeakyReLU`层与`Dropout`层注释掉：

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3poZWJ1c2hpYmlhb3NoaWZ1_size_16_color_FFFFFF_t_70 5][]

然后执行代码，即可进行神经网络的可视化。且绘制出的图将会自动打开在**PDF**阅读软件中，如下图（版面有限，这里就只是绘图结果的一部分）。

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3poZWJ1c2hpYmlhb3NoaWZ1_size_16_color_FFFFFF_t_70 6][]

还是很不错的~我们还可以直接将其转换为图片格式，看起来就更直观了：

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3poZWJ1c2hpYmlhb3NoaWZ1_size_16_color_FFFFFF_t_70 7][]

如果再取消`Dropout`层的注释，即绘图时加上`Dropout`层，也还是很不错的：

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3poZWJ1c2hpYmlhb3NoaWZ1_size_16_color_FFFFFF_t_70 8][]

如果我们再加上`LeakyReLU`层，就成了这个乱七八糟、不太正确的样子（原图实在太大了，就只给大家截取图片的一部分）：

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3poZWJ1c2hpYmlhb3NoaWZ1_size_16_color_FFFFFF_t_70 9][]

可以看到，这样的话就有些问题了。

最后，我们看一下这个`ann_visualizer`第三方库的源代码，可以看到该库支持绘图的不同种类神经网络层；如果大家的神经网络包含这些层，就可以用`ann_visualizer`这一第三方库进行绘图。

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3poZWJ1c2hpYmlhb3NoaWZ1_size_16_color_FFFFFF_t_70 10][]

至此，大功告成。

[MATLAB_ANN]: https://www.cnblogs.com/fkxxgis/p/17104601.html
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3poZWJ1c2hpYmlhb3NoaWZ1_size_16_color_FFFFFF_t_70]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/16/2ff8413b3934440297214b6d3334f122.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3poZWJ1c2hpYmlhb3NoaWZ1_size_16_color_FFFFFF_t_70 1]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/16/dc6944511094474681ad89c1c5f99253.png
[Python TensorFlow_keras.Sequential]: https://www.cnblogs.com/fkxxgis/p/17088613.html
[20210427224936290.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/16/963c0dfe066d4672b4a0f7378855b4c6.png
[Python_RF]: https://www.cnblogs.com/fkxxgis/p/17122047.html
[20210427225429985.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/16/18ecae14e8584d67861c8f9481b9d196.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3poZWJ1c2hpYmlhb3NoaWZ1_size_16_color_FFFFFF_t_70 2]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/16/36fe851317ed477fa8bab20d063a6a25.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3poZWJ1c2hpYmlhb3NoaWZ1_size_16_color_FFFFFF_t_70 3]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/16/70991ebde7544782b7ce0e1b05a17aba.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3poZWJ1c2hpYmlhb3NoaWZ1_size_16_color_FFFFFF_t_70 4]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/16/abf0fd23dd5247ffbd826e8fe3233c52.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3poZWJ1c2hpYmlhb3NoaWZ1_size_16_color_FFFFFF_t_70 5]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/16/5a0403f97e8349bf843a7b2ebd304fd3.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3poZWJ1c2hpYmlhb3NoaWZ1_size_16_color_FFFFFF_t_70 6]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/16/2237876752a9467ba1845b45f3fd8072.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3poZWJ1c2hpYmlhb3NoaWZ1_size_16_color_FFFFFF_t_70 7]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/16/f6be959c97f04ba98fec22487c600c24.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3poZWJ1c2hpYmlhb3NoaWZ1_size_16_color_FFFFFF_t_70 8]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/16/0aab7d30d1274a53ac26704375e20831.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3poZWJ1c2hpYmlhb3NoaWZ1_size_16_color_FFFFFF_t_70 9]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/16/c02fbb7b32eb4e2c9a2a60d703f54698.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3poZWJ1c2hpYmlhb3NoaWZ1_size_16_color_FFFFFF_t_70 10]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/16/b57242d948de4fe89fb48a250b293163.png