Python绘制神经网络模型图

  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；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)。

  在弹出的界面中输入：

pip install ann_visualizer

  即可完成ann_visualizer模块的安装。

  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：

  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）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：

  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：

  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：

  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

  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：

  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）。

  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：

  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：

  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）：

  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。

  至此，大功告成。