Keras中神经网络可视化模块keras.utils.visualize_util安装配置方法

Keras中提供了一个神经网络可视化的函数plot，并可以将可视化结果保存在本地。plot使用方法如下：

from keras.utils.visualize_util import plotplot(model, to_file='model.png')

注：笔者使用的Keras版本是1.0.6

不过这项功能依赖于graphviz模块与pydot模块，因此需要先安装这两个模块，并安装graphviz软件本身（笔者安装的版本为2.38）。

安装步骤

1. 命令行输入 pip install graphviz
2. 安装graphviz软件。官网地址为http://www.graphviz.org/
   • 解压版：配置环境变量。将安装目录中的graphviz-2.38\release\bin添加进Path环境变量
   • 安装版：安装msi
3. 命令行输入pip install pydot==1.1.0
   • 注：此处需要指定安装1.1.0版本的pydot，是因为最新版（截止2016.8最新版本号是1.2.x）中find_graphviz函数是deprecated的，使用时会报错

测试方法

使用以下脚本

# encoding: utf-8"""@author: monitor1379 @contact: [e-mail]@site: www.monitor1379.com@version: 1.0@license: Apache Licence@file: test_keras2.py@time: 2016/8/17 16:51"""import numpy as npfrom keras.models import Sequentialfrom keras.layers.core import Dense, Activationfrom keras.optimizers import SGDfrom keras.utils import np_utils    #from keras.utils.visualize_util import plot 旧版
from keras.utils.vis_utils import plot_model
def run():    # 构建神经网络    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'])    
运行效果（随便举个例子，model是之前定义好的）：

plot_model(model, to_file='model.png', show_shapes=True)
Image('model.png')
if __name__ == '__main__':    run()

输出结果：

神经网络可视化结果

作者：monitor1379
链接：http://www.jianshu.com/p/275aad639b5e
來源：简书
著作权归作者所有。商业转载请联系作者获得授权，非商业转载请注明出处。