如何可视化带有已训练权重的Keras神经网络？

提问内容翻译 #

我使用keras库搭建了如下的Sequential序列模型：

from keras.layers import Dense
from keras.models import Sequential

model = Sequential()

# 加入输入层和第一个隐藏层
model.add(Dense(6, activation='relu',input_dim = 11))

# 加入第二个隐藏层（实际模型包含更多隐藏层）
model.add(Dense(6,activation='relu')) 
# 加入输出层
model.add(Dense( 1, activation = 'sigmoid'))

之后我用keras visualizer实现了不带权重的神经网络可视化，模型的编译与训练代码如下：

# 编译ANN
classifier.compile(optimizer = 'Adamax', loss = 'binary_crossentropy',metrics=['accuracy'])
model_history=classifier.fit(X_train, y_train.to_numpy(), batch_size = 10, epochs = 100)

我希望能在这类可视化结果中展示模型的已训练权重，请问有可使用的相关库或模块吗？任何建议都十分有帮助。下方是当前未展示权重的神经网络设计示意图：

回答 #

以下是几个可直接落地的实现方案：

• 方案1：使用Netron工具
  这是门槛最低的方案，训练完成后将模型保存为.h5或.keras格式，直接用Netron打开模型文件即可，默认会展示所有层的结构、权重、偏置的具体数值，还支持单独筛选查看某一层的参数明细，不需要额外写代码。
• 方案2：基于visualkeras自定义标注权重
  你可以先提取模型各层的权重参数，再在visualkeras生成的基础结构图上叠加权重标注，也可以根据权重大小调整层间连线的粗细，直观展示参数差异，参考代码如下：

  import visualkeras
  from PIL import ImageDraw, ImageFont
  
  # 生成基础网络结构图
  img = visualkeras.layered_view(model, scale_xy=1, scale_z=1, legend=True)
  draw = ImageDraw.Draw(img)
  # 自定义加载字体，也可以直接用默认字体
  font = ImageFont.load_default(size=14)
  
  # 示例：提取第一层权重并标注
  first_layer_weights = model.layers[0].get_weights()[0]
  # 坐标可根据你生成的图的尺寸自行调整
  draw.text((40, 40), f"第一层平均权重: {first_layer_weights.mean():.2f}", font=font, fill="black")
  # 也可以循环读取所有层的权重，逐行标注
  for idx, layer in enumerate(model.layers):
      w = layer.get_weights()[0]
      draw.text((40, 40 + idx*20), f"层{idx+1} 权重范围: [{w.min():.2f}, {w.max():.2f}]", font=font, fill="black")
  
  img.save("model_with_weights.png")
  

• 方案3：用Matplotlib完全自定义绘制
  如果需要高度定制可视化效果，可以手动读取每层的权重和偏置，自行绘制节点和连线，用连线的粗细、颜色区分权重的大小和正负，也可以直接把权重数值标注在连线旁边，适配特殊的展示需求。

内容的提问来源于stack exchange，提问作者Angiyo