8. keras - 绘制网络结构

前提安装pydot and graphviz
- pydot的安装：pip install pydot
- graphviz的安装：graphviz需要在官网安装，安装后需要添加环境变量，程序所在目录的bin文件夹加入系统变量（参考：Graphviz安装及简单使用）

程序

import numpy as np
from keras.datasets import mnist
from keras.utils import np_utils
from keras.models import Sequential
from keras.layers import Dense,Dropout,Convolution2D,MaxPooling2D,Flatten
from keras.optimizers import Adam
from keras.utils.vis_utils import plot_model
import matplotlib.pyplot as plt
# install pydot and graphviz

# 载入数据
(x_train,y_train),(x_test,y_test) = mnist.load_data()
# (60000,28,28)->(60000,28,28,1)
x_train = x_train.reshape(-1,28,28,1)/255.0
x_test = x_test.reshape(-1,28,28,1)/255.0
# 换one hot格式
y_train = np_utils.to_categorical(y_train,num_classes=10)
y_test = np_utils.to_categorical(y_test,num_classes=10)# 定义顺序模型
model = Sequential()# 第一个卷积层
# input_shape 输入平面
# filters 卷积核/滤波器个数
# kernel_size 卷积窗口大小
# strides 步长
# padding padding方式 same/valid
# activation 激活函数
model.add(Convolution2D(input_shape = (28,28,1),filters = 32,kernel_size = 5,strides = 1,padding = 'same',activation = 'relu',name = 'conv1'
))
# 第一个池化层
model.add(MaxPooling2D(pool_size = 2,strides = 2,padding = 'same',name = 'pool1'
))
# 第二个卷积层
model.add(Convolution2D(64,5,strides=1,padding='same',activation = 'relu',name='conv2'))
# 第二个池化层
model.add(MaxPooling2D(2,2,'same',name='pool2'))
# 把第二个池化层的输出扁平化为1维
model.add(Flatten())
# 第一个全连接层
model.add(Dense(1024,activation = 'relu'))
# Dropout
model.add(Dropout(0.5))
# 第二个全连接层
model.add(Dense(10,activation='softmax'))# # 定义优化器
# adam = Adam(lr=1e-4)# # 定义优化器，loss function，训练过程中计算准确率
# model.compile(optimizer=adam,loss='categorical_crossentropy',metrics=['accuracy'])# # 训练模型
# model.fit(x_train,y_train,batch_size=64,epochs=1)# # 评估模型
# loss,accuracy = model.evaluate(x_test,y_test)# print('test loss',loss)
# print('test accuracy',accuracy)

#TB代表从上往下，LR表示从左往右
plot_model(model,to_file='model.png',show_shapes=True,show_layer_names='False',rankdir='TB')
plt.figure(figsize=(20,20))
img=plt.imread('model.png')
plt.imshow(img)
plt.axis('off')
plt.show()

可能在最后一步运行的时候报以下错误：FileNotFoundError: [WinError 2] “dot” not found in path.
该错误可以参考：https://blog.csdn.net/sinat_38653840/article/details/84776806

当然，也可以通过model.summary()来简单的查看网络结构

参考：

视频：覃秉丰老师的“Keras入门”：http://www.ai-xlab.com/course/32
博客参考：https://www.cnblogs.com/XUEYEYU/tag/keras%E5%AD%A6%E4%B9%A0/

8. keras - 绘制网络结构相关推荐

DL之Keras：keras保存网络结构、网络拓扑图、网络模型(json、yaml、h5等)注意事项及代码实现
DL之Keras:keras保存网络结构.网络拓扑图.网络模型(json.yaml.h5等)注意事项及代码实现目录 keras保存网络结构.网络拓扑图.网络模型(json.yaml.h5等)注意事项 ...
使用keras绘制实时的loss与acc曲线
废话不多说,直接上代码,代码有注释,不懂得评论问博主即可 # -*- coding: utf-8 -*- import keras from keras.models import Sequentia ...
caffe基础(8):draw_net.py绘制网络结构
1.安装pydot [plain] view plaincopy sudo apt-get install python-pydot 2.安装graphviz [plain] view plainco ...
[Keras] 绘制训练过程中Acc和Loss曲线
以Fashion MNIST数据集为例. # coding = utf-8 from tensorflow import keras import matplotlib.pyplot as plt# ...
推荐系统1--Deepfm学习笔记
目录 1 keras实现Deepfm demo 2 deepctr模版 3 其他实现方式 ctr_Kera 模型数据集预处理执行步骤 4何为focal loss 参考 1 keras实现Deep ...
python 多分类模型优化_【Python与机器学习】：利用Keras进行多类分类
多类分类问题本质上可以分解为多个二分类问题,而解决二分类问题的方法有很多.这里我们利用Keras机器学习框架中的ANN(artificial neural network)来解决多分类问题.这里我们采 ...
keras学习笔记-bili莫烦
一.keras的backend设置有两种方式: 1.修改JSON配置文件修改~/.keras/keras.json文件内容为: {"iamge_dim_ordering":&q ...
python学习——绘制loss、acc学习曲线
两种方式 1.直接画 # model.fit返回acc和loss的日志 hist=model.fit(train_data, train_label,batch_size=64,epochs=2,va ...
22 款神经网络的设计和可视化工具
前言深度学习领域,最常见的就是各种网络模型,那么在写论文或者文章,介绍网络模型的时候,最好的办法当然就是展示代码画图,今天介绍的 Github 项目,就是整理了 22 个设计和可视化网络结构的工具, ...
22 款设计和可视化神经网络的工具
点击上方"算法猿的成长",关注公众号,选择加"星标"或"置顶" 总第 143 篇文章,本文大约 3000 字,阅读大约需要 10 分钟前言 ...

8. keras - 绘制网络结构

程序

参考：

8. keras - 绘制网络结构相关推荐

最新文章

热门文章