"會議之眼"公衆號獨家報道：
本次爲大家介紹的是神經網絡的可視化工具和繪圖軟件。在搭建神經網絡以及後期論文寫作時，可視化的神經網絡模型將在很大程度上幫助我們直觀地理解模型結構和數據的流動。除了大家常用的PPT+AI+PS之外，小助手也爲大家整理了Github上各路大神開發的繪圖軟件信息。
神經網絡繪圖軟件最新彙總
來自知乎的李佳駿根據軟件的便捷及易用性，美觀度，是否支持導出，網絡結構支持度，平臺和工具支持度，按照滿分五顆星的標準進行了評價。
示意圖
NN SVG ★★★★
提供 三種典型 的神經網絡繪圖風格，個性化參數多
交互式繪圖
jettan/tikz_cnn ★☆
基於tikz的tex的宏指令繪製
繪製腳本繁雜
PlotNeuralNet ★★★☆
底層基於tikz的tex的宏指令繪製
上層提供基於python的描述框架，繪製腳本簡單
可繪製複雜的網絡結構
ConvNetDraw ★★
基於javascript和css繪製
僅支持基本Layer類型
gwding/draw_convnet ★★☆
簡單易用
底層基於matplotlib繪製
ajtulloch/dnngraph （便捷性不好評價，暫不打分）
基於Haskell語言
計算圖
lutzroeder/netron ★★★★★
支持工具: ONNX, Keras, CoreML, Caffe2, MXNet, TensorFlow Lite, Caffe, PyTorch, Torch, CNTK, PaddlePaddle, Darknet, scikit-learn, TensorFlow.js, TensorFlow.
提供運行方式: 瀏覽器, Python Server; macOS, Linux, Windows
draw_net.py ★★☆
caffe自帶的畫圖工具
Netscope ★★★
非常易用
僅支持網頁版
Netscope-dgschwend ★★★☆
基於Netscope二次開發
給出網絡的各種計算操作次數（非常方便！）
TFLearn ★★★☆
其子工具提供了模型可視化的功能
Tensorboard ★★★
其子工具提供了模型可視化的功能
NN-SVG
Github 地址：
https://github.com/alexlenail/NN-SVG
畫圖工具體驗地址：
http://alexlenail.me/NN-SVG/
NN-SVG是由來麻省理工學院弗蘭克爾生物工程實驗室開發的。可以繪製的圖包括以節點形式展示的FCNN style，這個特別適合傳統的全連接神經網絡的繪製。
以平鋪網絡結構展示的LeNet style，用二維的方式，適合查看每一層featuremap的大小和通道數目。
以三維block形式展現的AlexNet style，可以更加真實地展示卷積過程中高維數據的尺度的變化，目前只支持卷積層和全連接層。
這個工具的優勢是操作方便，通過交互式界面直接控制各層增減及變化，支持三種風格，選擇空間大，支持SVG格式下載。缺陷是定製化程度低，各連接層不是很好看。
PlotNeuralNet
Github 地址：
https://lutzroeder.github.io/netron/
PlotNeuralNet是由薩爾大學計算機科學專業的一個學生開發的。目前主要支持的是卷積神經網絡，其中卷積層、池化層、bottleneck、skip-connection、up-conv、Softmax等常規的層在代碼中都有定義，但是缺少RNN相關的可視化層展示。
代碼用Python編寫，需要調用LaTex輸出PDF格式文檔。需要說明的是，該軟件在Windows下運行會有很多報錯，在Ubuntu系統下則運行正常。接下來我們先看看示例效果。
FCN-8
VCG-16
Holistically-Nested Edge Detection
PlotNeuralNet的使用方法非常簡單，將項目克隆下來之後，想用什麼結構，就從PlotNeural裏找對應的模塊，然後將它們拼接起來就好了。
Netron
Github 地址：
https://lutzroeder.github.io/netron/
畫圖工具體驗地址：
https://www.lutzroeder.com/ai/netron/
Netron是一個神經網絡可視化包，支持絕大多數神經網絡操作。該功能包可以爲不同節點顯示不同的顏色，卷積層用藍色顯示，池化層和歸一化層用綠色顯示，數學操作用黑色顯示。
在使用方面，你可以直接訪問網頁端，上傳模型文件，就可以看到網絡結構圖，並可以進一步利用pip安裝並引入到程序中通過瀏覽器查看模型的變化。
如果你想追求個性化設置，可以在Github上下載源碼修改相應的設置。如端口後的修改可以在src/init.py中修改，字體顏色可以在src/view-grapher.css中修改。效果如下圖所示：
篇幅原因，小助手就不一一爲大家羅列了，快去親自動手試一試吧！
