1.PlotNeuralNet
主要优点包括
可以在LaTex上创建;
2 .自由度高,也可以使用Python脚本建立结构模型
主要缺点如下
1 .无接口
2 .学好有点难。
链接: https://github.com/haris Iqbal 88/plotneuralnet
2. draw_convnet
由Borealis公司的员工Gavin Weiguang Ding提供,使用纯python代码进行绘制。 核心工具是matplotlib,虽然图不太酷,但幸运的是它是规则的,可以很好地控制结构。
链接: https://github.com/GW ding/draw _ convnet
3. NNSVG
来自麻省理工学院弗兰克尔生物工程实验室的人进行了开发,开发了可视化和机器学习工具来分析生物数据。 这个工具非常容易画出三种神经网络结构:
FNN模型;
LeNet机型;
AlexNet机型。
链接: http://alexlenail.me/nn-SVG/lenet.html
4.Caffe
caffe的python编译模块提供了绘制net结构的功能,实现了网络结构的绘制。 这对理解和分析网络结构非常有用。 通过调用caffe的draw.py文件,可以绘制地图。 这意味着可以将网络模型从prototxt更改为图像。
链接: https://github.com/bvlc/caffe/blob/master/python/caffe/draw.py
5.Tensorboard
TensorBoard是一个工具,用于提供机器学习工作流中所需的测量和可视化。 这样可以跟踪实验指标,如损失和准确性、模型图可视化、将嵌入物投影到低维空间等。 特别是在训练网络时,可以设定不同的参数(权重w、偏移b、卷积层数、全连接数等),可以直观地帮助参数的选择。
链接: https://tensor flow.Google.cn/tensor board/get _ started
6. DotNets
这是一个用于使用Python和Graphviz生成前馈神经网络图像的简单Python脚本。 这受到thi agog.martinshowtodrawneuralnetworkdiagramsusinggraphviz的启发。
链接: https://github.com/martis AK/dotnets
7.Matlab
MATLAB是美国MathWorks公司生产的商业数学软件,用于数据分析、无线通信、深度学习、图像处理和计算机视觉、信号处理、量化金融和风险管理、机器人、控制系统等领域。
Matlab的优点很明显,一般使用过的人都很清楚。 但缺点是他的商业属性,同时又具有大米的“属性”,给我们带来了一系列问题。 虽然可能的话需要慎重使用,但是毕竟这个软件很容易依赖。
链接: http://www.mathworks.com/help/nnet/ref/view.html
8.Keras.js
Keras是一个非常受欢迎的深度学习模型开发框架,基于python,语法简洁,封装程度高,只需十几行代码就可以构建深度神经网络。 Keras.JS是一个可以在浏览器中运行深度神经网络的js框架,其中包括交互式演示文稿,支持CPU和GPU计算。 与Keras不同,Keras.js只能运行已调试的模型,不能进行模型培训。
链接: https://transcranial.github.io/keras-js/# /
9.Graphviz
Graphviz是一个开源的图形可视化软件。 图的可视化是将结构信息表现为抽象图和网络图的方法。 在网络、生物信息学、软件工程、数据库与网页设计、机器学习、其他技术领域的可视化界面中有着重要的应用。
链接: http://mag JAC.com/graphviz-visual-editor /
10.ConX
ConX是构建和理解深度学习神经网络的一种可访问、强大的方法(包括可视化神经网络)。 具体而言,它位于Keras之上,Keras位于TensorFlow、CNTK或Theano之上(虽然Theano不再开发)。
主要功能是:
1 .具有用于创建神经网络层间连接的易于使用的接口
2 .添加用于操作神经网络的附加功能
3 .支持神经网络训练和使用的可视化和分析
4 .拥有一切需要的东西; 不需要复杂的数值或绘图库知识;
5 .如果您愿意,可以与较低级别(Keras )集成。
链接: https://conx.readthedocs.io/en/latest/index.html
11.ENNUI
个人感觉很奇怪,不怎么评价。
链接: https://math.mit.edu/ennui/
12.Neataptic
Neataptic是灵活的神经网络(带可视化功能); 神经元和突触可以用一行代码删除。 神经网络不需要固定的体系结构。 这种灵活性使您能够使用多线程通过神经进化形成数据集网络。
链接: https://wagenaartje.github.io/neataptic /