用 Python 实现全连接层网络可视化

最新推荐文章于 2025-10-26 09:55:06 发布

原创

最新推荐文章于 2025-10-26 09:55:06 发布 · 2.2k 阅读

12 ·

CC 4.0 BY-SA版权

文章标签：

#神经网络 #深度学习

本文介绍了一种使用Python实现的全连接层网络可视化方法。通过自定义函数`ANN_ksh`，可以绘制任意输入层、隐藏层及输出层节点数量的神经网络结构图。该方法利用`networkx`和`matplotlib`库来创建和展示神经网络。

以下代码即可实现全连接层网络的可视化：

# 引用模块
from pylab import mpl #matplotlib使用中文

# 自编函数
def ANN_ksh(number_input,number_hidden,number_output):
    import numpy as np
    import networkx as nx
    import matplotlib.pyplot as plt
    
    mpl.rcParams['font.sans-serif']=['SimHei'] #matplotlib使用中文，SimHei为黑体
    
    # number_input为输入层节点个数，number_hidden为隐藏层各层节点个数，number_output为输出层节点个数
    ceng_hidden=len(number_hidden) #隐藏层层数
    G=nx.DiGraph()
    
    # 节点
    vertex_input_list=['v'+str(i) for i in range(1,number_input+1)] #输入层
    vertex_hidden_list=[]
    start=number_input+1
    end=number_input+number_hidden[0]+1
    vertex_hidden_list.append(['v'+str(i) for i in range(start,end)]) #隐藏层
    for j in range(1,ceng_hidden):
        start=end
        end=start+number_hidden[j]
        vertex_hidden_list.append(['v'+str(i) for i in range(start,end)]) #隐藏层
    vertex_output_list=['v'+str(i) for i