如何绘制自建2层CNN网络结构示意图？附Keras模型代码

待可视化网络结构梳理 #

你给出的Keras Sequential实现对应的层级顺序如下：

1. 输入层：维度为(n_timesteps, 16, 1)的单通道输入
2. 卷积层1：共8个10×8尺寸卷积核，采用same填充，ReLU激活，带L2(0.0001)正则项
3. 卷积层2：共10个10×4尺寸卷积核，采用same填充，ReLU激活
4. 平均池化层：池化窗口尺寸2×2
5. Dropout层：神经元丢弃概率0.3
6. Flatten展平层
7. 全连接输出层：共6个神经元，Softmax激活，对应6分类任务

对应实现代码：

from tensorflow.keras.models import Sequential
from tensorflow.keras.layers import Conv2D, AveragePooling2D, Dropout, Flatten, Dense
from tensorflow.keras.regularizers import l2

model = Sequential()
model.add(Conv2D(8, (10,8), padding='same',  
    activation='relu',activity_regularizer=l2(0.0001),input_shape= 
    (n_timesteps, 16,1)))
model.add(Conv2D(10,( 10,4), activation='relu', 
    padding='same'))
model.add(AveragePooling2D(pool_size=(2,2)))
model.add(Dropout(0.3))
model.add(Flatten())
model.add(Dense(6, activation='softmax'))

可行绘制方案 #

针对你之前使用visualkeras效果差、NN-SVG绘制失败的情况，以下三种方案适配性更强，落地难度低：

• 方案1：使用Keras原生plot_utils工具（最快出图）
  该工具是Keras官方配套的可视化接口，不会出现第三方工具对模型结构识别错误的问题。

  1. 先安装依赖：首先安装系统层面的graphviz组件，再通过pip安装pydot、pydot-ng两个Python包
  2. 直接调用接口导出图片，参考代码如下：

  from tensorflow.keras.utils import plot_model
  plot_model(model, to_file='cnn_structure.png', 
             show_shapes=True, 
             show_layer_names=True,
             dpi=300)
  

  生成的图片会自动标注每一层的输入输出维度、层类型，导出的300dpi图片可直接用于报告或论文初稿。

• 方案2：使用Netron本地可视化（最稳零代码）
  该工具是本地运行的模型结构查看器，不存在网页工具的兼容、加载失败问题。你只需要将训练好的模型保存为.h5或SavedModel格式，直接将模型文件拖入Netron窗口即可自动生成结构示意图，所有层参数（卷积核尺寸、池化大小、dropout概率、激活函数）都会自动标注，支持手动调整视图后导出高清图片。

• 方案3：使用draw_convnet脚本自定义绘制（出图质量最高）
  如果需要绘制论文中常用的块式卷积网络示意图，可直接使用基于matplotlib编写的draw_convnet轻量脚本，不需要安装复杂依赖。你只需要对照自己的网络层级，修改脚本中每一层的通道数、尺寸、标注文字参数即可，支持自定义配色、字体、3D透视效果，不会出现visualkeras常见的层重叠、标注错位问题，生成的矢量图可直接用于正式发表。

内容的提问来源于stack exchange，提问作者zahra zare