本文將展示如何利用Python中的NetworkX模塊來繪制深度神經網絡（DNN）結構圖。
在文章Keras入門（一）搭建深度神經網絡（DNN）解決多分類問題中，我們創建的DNN結構圖如下：
該DNN模型由輸入層、隱藏層、輸出層和softmax函數組成，每一層的神經元個數分別為4,5,6,3,3。不知道聰明的讀者有沒有發現，這張示意圖完全是由筆者自己用Python繪制出來的，因為並不存在現成的結構圖。那么，如何利用Python來繪制出這種相對復雜的神經網絡的示意圖呢？答案是利用NetworkX模塊。
NetworkX是一個用Python語言開發的圖論與復雜網絡建模工具，內置了常用的圖與復雜網絡分析算法，可以方便地進行復雜網絡數據分析、仿真建模等工作。NetworkX支持創建簡單無向圖、有向圖和多重圖，內置許多標准的圖論算法，節點可為任意數據，支持任意的邊值維度，功能豐富，簡單易用。
首先，我們需要繪制出該DNN的大致框架，其Python代碼如下：
# -*- coding:utf-8 -*-
import networkx as nx
import matplotlib.pyplot as plt
# 創建DAG
G = nx.DiGraph()
# 頂點列表
vertex_list = ['v'+str(i) for i in range(1, 22)]
# 添加頂點
G.add_nodes_from(vertex_list)
# 邊列表
edge_list = [
('v1', 'v5'), ('v1', 'v6'), ('v1', 'v7'),('v1', 'v8'),('v1', 'v9'),
('v2', 'v5'), ('v2', 'v6'), ('v2', 'v7'),('v2', 'v8'),('v2', 'v9'),
('v3', 'v5'), ('v3', 'v6'), ('v3', 'v7'),('v3', 'v8'),('v3', 'v9'),
('v4', 'v5'), ('v4', 'v6'), ('v4', 'v7'),('v4', 'v8'),('v4', 'v9'),
('v5','v10'),('v5','v11'),('v5','v12'),('v5','v13'),('v5','v14'),('v5','v15'),
('v6','v10'),('v6','v11'),('v6','v12'),('v6','v13'),('v6','v14'),('v6','v15'),
('v7','v10'),('v7','v11'),('v7','v12'),('v7','v13'),('v7','v14'),('v7','v15'),
('v8','v10'),('v8','v11'),('v8','v12'),('v8','v13'),('v8','v14'),('v8','v15'),
('v9','v10'),('v9','v11'),('v9','v12'),('v9','v13'),('v9','v14'),('v9','v15'),
('v10','v16'),('v10','v17'),('v10','v18'),
('v11','v16'),('v11','v17'),('v11','v18'),
('v12','v16'),('v12','v17'),('v12','v18'),
('v13','v16'),('v13','v17'),('v13','v18'),
('v14','v16'),('v14','v17'),('v14','v18'),
('v15','v16'),('v15','v17'),('v15','v18'),
('v16','v19'),
('v17','v20'),
('v18','v21')
]
# 通過列表形式來添加邊
G.add_edges_from(edge_list)
# 繪制DAG圖
plt.title('DNN for iris') #圖片標題
nx.draw(
G,
node_color = 'red', # 頂點顏色
edge_color = 'black', # 邊的顏色
with_labels = True, # 顯示頂點標簽
font_size =10, # 文字大小
node_size =300 # 頂點大小
)
# 顯示圖片
plt.show()
可以看到，我們在代碼中已經設置好了這22個神經元以及它們之間的連接情況，但繪制出來的結構如卻是這樣的：
這顯然不是我們想要的結果，因為各神經的連接情況不明朗，而且很多神經都擠在了一起，看不清楚。之所以出現這種情況，是因為我們沒有給神經元設置坐標，導致每個神經元都是隨機放置的。
接下來，引入坐標機制，即設置好每個神經元節點的坐標，使得它們的位置能夠按照事先設置好的來放置，其Python代碼如下：
# -*- coding:utf-8 -*-
import networkx as nx
import matplotlib.pyplot as plt
# 創建DAG
G = nx.DiGraph()
# 頂點列表
vertex_list = ['v'+str(i) for i in range(1, 22)]
# 添加頂點
G.add_nodes_from(vertex_list)
# 邊列表
edge_list = [
('v1', 'v5'), ('v1', 'v6'), ('v1', 'v7'),('v1', 'v8'),('v1', 'v9'),
('v2', 'v5'), ('v2', 'v6'), ('v2', 'v7'),('v2', 'v8'),('v2', 'v9'),
('v3', 'v5'), ('v3', 'v6'), ('v3', 'v7'),('v3', 'v8'),('v3', 'v9'),
('v4', 'v5'), ('v4', 'v6'), ('v4', 'v7'),('v4', 'v8'),('v4', 'v9'),
('v5','v10'),('v5','v11'),('v5','v12'),('v5','v13'),('v5','v14'),('v5','v15'),
('v6','v10'),('v6','v11'),('v6','v12'),('v6','v13'),('v6','v14'),('v6','v15'),
('v7','v10'),('v7','v11'),('v7','v12'),('v7','v13'),('v7','v14'),('v7','v15'),
('v8','v10'),('v8','v11'),('v8','v12'),('v8','v13'),('v8','v14'),('v8','v15'),
('v9','v10'),('v9','v11'),('v9','v12'),('v9','v13'),('v9','v14'),('v9','v15'),
('v10','v16'),('v10','v17'),('v10','v18'),
('v11','v16'),('v11','v17'),('v11','v18'),
('v12','v16'),('v12','v17'),('v12','v18'),
('v13','v16'),('v13','v17'),('v13','v18'),
('v14','v16'),('v14','v17'),('v14','v18'),
('v15','v16'),('v15','v17'),('v15','v18'),
('v16','v19'),
('v17','v20'),
('v18','v21')
]
# 通過列表形式來添加邊
G.add_edges_from(edge_list)
# 指定繪制DAG圖時每個頂點的位置
pos = {
'v1':(-2,1.5),
'v2':(-2,0.5),
'v3':(-2,-0.5),
'v4':(-2,-1.5),
'v5':(-1,2),
'v6': (-1,1),
'v7':(-1,0),
'v8':(-1,-1),
'v9':(-1,-2),
'v10':(0,2.5),
'v11':(0,1.5),
'v12':(0,0.5),
'v13':(0,-0.5),
'v14':(0,-1.5),
'v15':(0,-2.5),
'v16':(1,1),
'v17':(1,0),
'v18':(1,-1),
'v19':(2,1),
'v20':(2,0),
'v21':(2,-1)
}
# 繪制DAG圖
plt.title('DNN for iris') #圖片標題
plt.xlim(-2.2, 2.2) #設置X軸坐標范圍
plt.ylim(-3, 3) #設置Y軸坐標范圍
nx.draw(
G,
pos = pos, # 點的位置
node_color = 'red', # 頂點顏色
edge_color = 'black', # 邊的顏色
with_labels = True, # 顯示頂點標簽
font_size =10, # 文字大小
node_size =300 # 頂點大小
)
# 顯示圖片
plt.show()
可以看到，在代碼中，通過pos字典已經規定好了每個神經元節點的位置，那么，繪制好的DNN結構示意圖如下：
可以看到，現在這個DNN模型的結構已經大致顯現出來了。
接下來，我們需要對這個框架圖進行更為細致地修改，需要修改的地方為：
- 去掉神經元節點的標簽；
- 添加模型層的文字注釋（比如Input layer）.
其中，第二步的文字注釋，我們借助opencv來完成。完整的Python代碼如下：
# -*- coding:utf-8 -*-
import cv2
import networkx as nx
import matplotlib.pyplot as plt
# 創建DAG
G = nx.DiGraph()
# 頂點列表
vertex_list = ['v'+str(i) for i in range(1, 22)]
# 添加頂點
G.add_nodes_from(vertex_list)
# 邊列表
edge_list = [
('v1', 'v5'), ('v1', 'v6'), ('v1', 'v7'),('v1', 'v8'),('v1', 'v9'),
('v2', 'v5'), ('v2', 'v6'), ('v2', 'v7'),('v2', 'v8'),('v2', 'v9'),
('v3', 'v5'), ('v3', 'v6'), ('v3', 'v7'),('v3', 'v8'),('v3', 'v9'),
('v4', 'v5'), ('v4', 'v6'), ('v4', 'v7'),('v4', 'v8'),('v4', 'v9'),
('v5','v10'),('v5','v11'),('v5','v12'),('v5','v13'),('v5','v14'),('v5','v15'),
('v6','v10'),('v6','v11'),('v6','v12'),('v6','v13'),('v6','v14'),('v6','v15'),
('v7','v10'),('v7','v11'),('v7','v12'),('v7','v13'),('v7','v14'),('v7','v15'),
('v8','v10'),('v8','v11'),('v8','v12'),('v8','v13'),('v8','v14'),('v8','v15'),
('v9','v10'),('v9','v11'),('v9','v12'),('v9','v13'),('v9','v14'),('v9','v15'),
('v10','v16'),('v10','v17'),('v10','v18'),
('v11','v16'),('v11','v17'),('v11','v18'),
('v12','v16'),('v12','v17'),('v12','v18'),
('v13','v16'),('v13','v17'),('v13','v18'),
('v14','v16'),('v14','v17'),('v14','v18'),
('v15','v16'),('v15','v17'),('v15','v18'),
('v16','v19'),
('v17','v20'),
('v18','v21')
]
# 通過列表形式來添加邊
G.add_edges_from(edge_list)
# 指定繪制DAG圖時每個頂點的位置
pos = {
'v1':(-2,1.5),
'v2':(-2,0.5),
'v3':(-2,-0.5),
'v4':(-2,-1.5),
'v5':(-1,2),
'v6': (-1,1),
'v7':(-1,0),
'v8':(-1,-1),
'v9':(-1,-2),
'v10':(0,2.5),
'v11':(0,1.5),
'v12':(0,0.5),
'v13':(0,-0.5),
'v14':(0,-1.5),
'v15':(0,-2.5),
'v16':(1,1),
'v17':(1,0),
'v18':(1,-1),
'v19':(2,1),
'v20':(2,0),
'v21':(2,-1)
}
# 繪制DAG圖
plt.title('DNN for iris') #圖片標題
plt.xlim(-2.2, 2.2) #設置X軸坐標范圍
plt.ylim(-3, 3) #設置Y軸坐標范圍
nx.draw(
G,
pos = pos, # 點的位置
node_color = 'red', # 頂點顏色
edge_color = 'black', # 邊的顏色
font_size =10, # 文字大小
node_size =300 # 頂點大小
)
# 保存圖片，圖片大小為640*480
plt.savefig('E://data/DNN_sketch.png')
# 利用opencv模塊對DNN框架添加文字注釋
# 讀取圖片
imagepath = 'E://data/DNN_sketch.png'
image = cv2.imread(imagepath, 1)
# 輸入層
cv2.rectangle(image, (85, 130), (120, 360), (255,0,0), 2)
cv2.putText(image, "Input Layer", (15, 390), 1, 1.5, (0, 255, 0), 2, 1)
# 隱藏層
cv2.rectangle(image, (190, 70), (360, 420), (255,0,0), 2)
cv2.putText(image, "Hidden Layer", (210, 450), 1, 1.5, (0, 255, 0), 2, 1)
# 輸出層
cv2.rectangle(image, (420, 150), (460, 330), (255,0,0), 2)
cv2.putText(image, "Output Layer", (380, 360), 1, 1.5, (0, 255, 0), 2, 1)
# sofrmax層
cv2.rectangle(image, (530, 150), (570, 330), (255,0,0), 2)
cv2.putText(image, "Softmax Func", (450, 130), 1, 1.5, (0, 0, 255), 2, 1)
# 保存修改后的圖片
cv2.imwrite('E://data/DNN.png', image)
這樣生成的圖片就是文章最開始給出的DNN的結構示意圖。Bingo,搞定！
注意：本人現已開通微信公眾號： Python爬蟲與算法（微信號為：easy_web_scrape）， 歡迎大家關注哦~~