關(guān)于Keras模型可視化教程及關(guān)鍵問題的解決
keras提供簡單方便的模型可視化工具,只需一行代碼就可以用框圖的形式可視化出你搭建的網(wǎng)絡(luò)結(jié)構(gòu)。對于復(fù)雜網(wǎng)絡(luò)而言,這個工具就是個神器呀。
這篇文章是解決win10環(huán)境下的keras模型可視化工具所遇到的問題,Linux暫時還沒有嘗試(不過也可以借鑒)。
大致環(huán)境是:
OS: win10 |
---|
python==3.5.4 |
keras==2.2.0 |
pydot==1.2.4 |
pydot_ng==1.0.0 |
首先,你可以查看keras官方文檔教程。
from keras.utils import plot_model plot_model(model, to_file='model.png')
這兩行代碼實(shí)現(xiàn)可視化?
其實(shí)還是有些問題的,因?yàn)槟悴]有安裝GraphViz。
教程
pip install graphviz pip install pydot pip install pydot_ng
注意:光用pip安裝以上兩個模塊還是不夠的
還需要安裝GraphViz:
在這個網(wǎng)站上下載對應(yīng)系統(tǒng)的graphviz,如果覺得找得麻煩,可以在CSDN上下載我上傳的。直接解壓就是.msi文件,可以在win10上直接運(yùn)行安裝。安裝路徑都可以默認(rèn)。
2. 設(shè)置環(huán)境變量
首先,按win+e鍵彈出文件窗口
然后,右鍵此電腦 →屬性→高級系統(tǒng)設(shè)置→環(huán)境變量
就可以呼出這么一個畫面:
然后點(diǎn)擊下面的系統(tǒng)變量列表中的Path,點(diǎn)擊編輯就可以
然后,新建→瀏覽→選出Graphviz2.38/bin的路徑
一直確定保存就可以了。
>>>import os >>>os.environ.get('PATH', '')
就可以查看自己設(shè)置的環(huán)境變量是不是在列表里面,在的話就說明成功了。
在這個時候,理論上是可以使用keras可視化了??梢杂靡韵麓a驗(yàn)證一波:
import numpy as np from keras.models import Sequential from keras.layers.core import Dense, Activation from keras.optimizers import SGD from keras.utils import np_utils from keras.utils.vis_utils import plot_model def run(): # 構(gòu)建神經(jīng)網(wǎng)絡(luò) model = Sequential() model.add(Dense(4, input_dim=2, init='uniform')) model.add(Activation('relu')) model.add(Dense(2, init='uniform')) model.add(Activation('sigmoid')) sgd = SGD(lr=0.05, decay=1e-6, momentum=0.9, nesterov=True) model.compile(loss='binary_crossentropy', optimizer=sgd, metrics=['accuracy']) # 神經(jīng)網(wǎng)絡(luò)可視化 plot_model(model, to_file='model.png') if __name__ == '__main__': run()
運(yùn)行結(jié)果如下:
順便跑了以下VAE的網(wǎng)絡(luò)結(jié)構(gòu):
整體上,效果不錯。主要是,使用方便。
以上這篇關(guān)于Keras模型可視化教程及關(guān)鍵問題的解決就是小編分享給大家的全部內(nèi)容了,希望能給大家一個參考,也希望大家多多支持腳本之家。
- keras獲得model中某一層的某一個Tensor的輸出維度教程
- keras獲得某一層或者某層權(quán)重的輸出實(shí)例
- 淺談keras的深度模型訓(xùn)練過程及結(jié)果記錄方式
- 基于keras 模型、結(jié)構(gòu)、權(quán)重保存的實(shí)現(xiàn)
- 利用keras加載訓(xùn)練好的.H5文件,并實(shí)現(xiàn)預(yù)測圖片
- keras模型可視化,層可視化及kernel可視化實(shí)例
- keras 特征圖可視化實(shí)例(中間層)
- 基于keras輸出中間層結(jié)果的2種實(shí)現(xiàn)方式
- PyTorch和Keras計算模型參數(shù)的例子
- 在keras中獲取某一層上的feature map實(shí)例
相關(guān)文章
Python3實(shí)現(xiàn)的簡單三級菜單功能示例
這篇文章主要介紹了Python3實(shí)現(xiàn)的簡單三級菜單功能,涉及Python用戶交互以及針對json格式數(shù)據(jù)的遍歷、讀取、判斷等相關(guān)操作技巧,需要的朋友可以參考下2019-03-03Django model重寫save方法及update踩坑詳解
這篇文章主要介紹了Django model重寫save方法及update踩坑詳解,具有很好的參考價值,希望對大家有所幫助。一起跟隨小編過來看看吧2020-07-07Python發(fā)送http請求解析返回json的實(shí)例
下面小編就為大家分享一篇Python發(fā)送http請求解析返回json的實(shí)例,具有很好的參考價值,希望對大家有所幫助。一起跟隨小編過來看看吧2018-03-03django中F表達(dá)式和Q函數(shù)應(yīng)用與原理詳解
F對象查詢與Q對象查詢,剛看到大家一定會感到很陌生,其實(shí)它們也是 Django 提供的查詢方法,而且非常的簡單的高效,下面這篇文章主要給大家介紹了關(guān)于django中F表達(dá)式和Q函數(shù)應(yīng)用與原理的相關(guān)資料,需要的朋友可以參考下2023-05-05Python實(shí)現(xiàn)讀取txt文件中的數(shù)據(jù)并繪制出圖形操作示例
這篇文章主要介紹了Python實(shí)現(xiàn)讀取txt文件中的數(shù)據(jù)并繪制出圖形操作,涉及Python文件讀取、數(shù)值運(yùn)算及基于pylab庫的圖形繪制相關(guān)操作技巧,需要的朋友可以參考下2019-02-02Python?matplotlib?seaborn繪圖教程詳解
Seaborn是在matplotlib的基礎(chǔ)上進(jìn)行了更高級的API封裝,從而使得作圖更加容易,在大多數(shù)情況下使用seaborn就能做出很具有吸引力的圖。本文將詳細(xì)講解如何利用Seaborn繪制圖表,需要的可以參考一下2022-03-03