标签：github 卷积 SVG 结构图 神经网络 https 计算机专业 节点
第一个ConvNetDraw： 两颗星**
https://cbovar.github.io/ConvNetDraw/
在线的，不过只能绘制这种简单的图，可以增加卷积层，池化啥的，左边可以选择调节角度，
第二个CNN Convoluter：两颗星**
https://pwwang.github.io/cnn-convoluter/
也是一个在线的网址，左边选择hide data 也就是不隐藏数据，在input中输入padding的大小，右边图中就会显示出来，在设置卷积核的尺寸 就可以动态的看到output的过程。缺点是只能是这种固定的平面的卷积操作。
第三个Netron 三颗星***
https://lutzroeder.github.io/netron/
在线的网址，
https://github.com/lutzroeder/netron
也可以在github上下载对应的版本，不过建议网页版就可以查看网络的模型结构图，点击open model 然后在自己的项目中寻找以H5结尾的文件，就可以选择打开了，效果如下：
只不过这种输出太长，可以调整方向横着看，Netron是一个神经网络可视化包，支持绝大多数神经网络操作。该功能包可以为不同节点显示不同的颜色，卷积层用蓝色显示，池化层和归一化层用绿色显示，数学操作用黑色显示。
第四个NN-SVG： 五颗星*****
https://github.com/alexlenail/NN-SVG
NN-SVG是由来麻省理工学院弗兰克尔生物工程实验室开发的。可以绘制的图包括以节点形式展示的FCNN style，这个特别适合传统的全连接神经网络的绘制。
以平铺网络结构展示的LeNet style，用二维的方式，适合查看每一层featuremap的大小和通道数目。
以三维block形式展现的AlexNet style，可以更加真实地展示卷积过程中高维数据的尺度的变化，目前只支持卷积层和全连接层。
这个工具的优势是操作方便，通过交互式界面直接控制各层增减及变化，支持三种风格，选择空间大，支持SVG格式下载。缺陷是定制化程度低，各连接层不是很好看。
目前支持这三种方式：
可调节连接边的透明度、粗细、正负样本的颜色表示，节点的颜色和大小，是否显示偏置、标签等，输入节点、隐藏节点和输出节点的个数。
用于mnist手写字体识别的经典模型，算是CNN鼻祖模型，除了展示的颜色、线条粗细等属性，还可以设置网络结构每一层的通道、特征宽度高度、卷积核大小。
2012年Imagenet冠军模型，掀起深度学习热潮的结构。
第五个是PlotNeuralNet：
Github地址：https://github.com/HarisIqbal88/PlotNeuralNet
PlotNeuralNet是由萨尔大学计算机科学专业的一个学生开发的。目前主要支持的是卷积神经网络，其中卷积层、池化层、bottleneck、skip-connection、up-conv、Softmax等常规的层在代码中都有定义，但是缺少RNN相关的可视化层展示。
代码用Python编写，需要调用LaTex输出PDF格式文档。需要说明的是，该软件在Windows下运行会有很多报错，在Ubuntu系统下则运行正常。接下来我们先看看示例效果。
PlotNeuralNet的使用方法非常简单，将项目克隆下来之后，想用什么结构，就从PlotNeural里找对应的模块，然后将它们拼接起来就好了。
这个有点复杂啊，代码的 不懂。。
上面的绘图，属于娱乐，真要手绘制自己的神经网络架构图还是要自己画图了，
最后就是万能的ppt画图了，还没学 ，下回补充。
标签：github,卷积,SVG,结构图,神经网络,https,计算机专业,节点 来源： https://blog.csdn.net/zqx951102/article/details/121765737
本站声明： 1. iCode9 技术分享网（下文简称本站）提供的所有内容，仅供技术学习、探讨和分享； 2. 关于本站的所有留言、评论、转载及引用，纯属内容发起人的个人观点，与本站观点和立场无关； 3. 关于本站的所有言论和文字，纯属内容发起人的个人观点，与本站观点和立场无关； 4. 本站文章均是网友提供，不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属；如您发现该文章侵犯了您的权益，可联系我们第一时间进行删除； 5. 本站为非盈利性的个人网站，所有内容不会用来进行牟利，也不会利用任何形式的广告来间接获益，纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。