Python繪製神經網路模型圖

本文介紹基於Python語言，對神經網路模型的結構進行視覺化繪圖的方法。

最近需要進行神經網路結構模型的視覺化繪圖工作。查閱多種方法後，看到很多方法都比較麻煩，例如單純利用graphviz模組，就需要手動用DOT語言進行圖片描述，比較花時間；最終，發現利用第三方的ann_visualizer模組，可以實現對已有神經網路的直接視覺化，過程較為方便，本文對此加以詳細介紹。

此外，如果需要在MATLAB中實現神經網路構建與簡單的視覺化，大家可以檢視MATLAB人工神經網路ANN程式碼；如果要藉助軟體或線上工具進行不需要程式碼的神經網路視覺化，可以檢視我們後期的部落格。

相關環境的版本資訊：Anaconda Navigator：1.10.0；Python：3.8.5。

首先，下載與安裝必要的模組ann_visualizer。開啟Anaconda Prompt (Soft)。

在彈出的介面中輸入：

pip install ann_visualizer

即可完成ann_visualizer模組的安裝。

接下來，我們就可以藉助以下僅僅一句程式碼對神經網路模型進行視覺化了。

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

其中，DNNModel就是我們已經建立好的神經網路模型，任意神經網路模型均可——可以是一個簡單的淺層人工神經網路，也可以是一個相對複雜的全連線深度神經網路；view表示是否在程式碼執行後直接顯示繪圖結果；filename是繪圖結果的儲存位置，需要以.gv結尾；title就是神經網路圖片的名稱。

在這裡，我就直接以Python TensorFlow深度神經網路迴歸：keras.Sequential中介紹並建立的深度神經網路加以視覺化。

第一次執行程式碼時發現，出現以下報錯：

報錯提示我沒有安裝graphviz模組，但其實之前在進行隨機森林決策樹的視覺化（也就是Python實現隨機森林RF並對比自變數的重要性）時，早已經將這一模組安裝過了，並且當時用到graphviz這一模組的程式碼也沒有報錯。通過查閱，發現這裡需要重新安裝一下python-graphviz這個新的模組。因此我們開啟Anaconda Prompt (Soft)，輸入程式碼：

conda install python-graphviz

如下圖所示：

安裝之後這裡就不報錯啦~

結果緊接著又報出了新的錯誤，說我的keras模組沒有安裝：

這就不對了，明明在進行深度神經網路構建時都沒有出現問題，甚至在這一句報錯的下方連深度神經網路的誤差繪製曲線都能顯示（誤差曲線的精度的確很差，大家不用在意~因為這裡我們僅僅是做一個示範，所以Epoch次數就調得很小），說明keras模組應該是沒問題的。

隨後考慮到，這裡報錯的keras是在ann_visualizer的檔案環境下，可能是環境不同導致的。開啟Anaconda Navigator，在base (root)環境下確實找不到keras：

那麼我這裡就圖方便，直接在base (root)環境下再安裝一個keras。安裝方法同上，輸入程式碼即可：

pip install keras

然後這裡就不報錯啦~

接下來，經過多次嘗試發現，這一方法進行神經網路視覺化時，一是不能存在正則化層與BatchNormalization層；二是LeakyReLU層與Dropout層的總數量不能過多，否則繪圖結果會出現問題——這就顯得這一視覺化方法稍微有點雞肋了，但是其對於基本的神經網路繪圖而言其實也已經很不錯了。因此，我就將Python TensorFlow深度神經網路迴歸：keras.Sequential中的神經網路上述對應的層刪除或註釋掉。

如下圖，首先，將當初我的程式碼對應的LeakyReLU層與Dropout層註釋掉：

然後執行程式碼，即可進行神經網路的視覺化。且繪製出的圖將會自動開啟在PDF閱讀軟體中，如下圖（版面有限，這裡就只是繪圖結果的一部分）。

還是很不錯的~我們還可以直接將其轉換為圖片格式，看起來就更直觀了：

如果再取消Dropout層的註釋，即繪圖時加上Dropout層，也還是很不錯的：

如果我們再加上LeakyReLU層，就成了這個亂七八糟、不太正確的樣子（原圖實在太大了，就只給大家擷取圖片的一部分）：

可以看到，這樣的話就有些問題了。

最後，我們看一下這個ann_visualizer第三方庫的原始碼，可以看到該庫支援繪圖的不同種類神經網路層；如果大家的神經網路包含這些層，就可以用ann_visualizer這一第三方庫進行繪圖。

至此，大功告成。