1、PlotNeuralNet
使用Latex绘制神经网络。传送门：https://github.com/HarisIqbal88/PlotNeuralNet
FCN-8模型overleaf上Latex代码：https://www./read/kkqntfxnvbsk
FCN-32模型overleaf上Latex代码：https://www./read/wsxpmkqvjnbs
Holistically-Nested Edge Detectionoverleaf上Latex代码：https://www./read/jxhnkcnwhfxp
2、Matlab
https://www./help/deeplearning/ref/view.html;jsessionid=bd77484ba149c98d4d410abed983
[x,t] = iris_dataset;
net = patternnet;
net = configure(net,x,t);
view(net)
3、NN-SVG
一个在线工具，点点就阔以了：http:///NN-SVG/LeNet.html
FCNN模型
AlexNet模型
LeNet模型
4、graphcore
回到神经网络最初的地方，像生物细胞神经元neurons一样展示神经网络。https://www./posts/what-does-machine-learning-look-like
生物细胞神经元模式图
AlexNet模型
Resnet 50模型
5、graphviz
http://www./
之前介绍过一个类似绘制网络关系的工具👉盘一盘社交网络分析常用networks
4层网络
6、Keras
深度学习框架Keras下的一个小模块，
https:///api/utils/model_plotting_utils/
7、neataptic
https://github.com/wagenaartje/neataptic
8、Quiver
https://github.com/keplr-io/quiver
9、Keras.js
在线工具
https://transcranial./keras-js/#/inception-v3
10、Netscope CNN Analyzer
http://dgschwend./netscope/quickstart.html
11、keras-sequential-ascii
https://github.com/stared/keras-sequential-ascii/
VGG 16 Architecture
OPERATION DATA DIMENSIONS WEIGHTS(N) WEIGHTS(%)
Input ##### 3 224 224
InputLayer | ------------------- 0 0.0%
##### 3 224 224
Convolution2D \|/ ------------------- 1792 0.0%
relu ##### 64 224 224
Convolution2D \|/ ------------------- 36928 0.0%
relu ##### 64 224 224
MaxPooling2D Y max ------------------- 0 0.0%
##### 64 112 112
Convolution2D \|/ ------------------- 73856 0.1%
relu ##### 128 112 112
Convolution2D \|/ ------------------- 147584 0.1%
relu ##### 128 112 112
MaxPooling2D Y max ------------------- 0 0.0%
##### 128 56 56
Convolution2D \|/ ------------------- 295168 0.2%
relu ##### 256 56 56
Convolution2D \|/ ------------------- 590080 0.4%
relu ##### 256 56 56
Convolution2D \|/ ------------------- 590080 0.4%
relu ##### 256 56 56
MaxPooling2D Y max ------------------- 0 0.0%
##### 256 28 28
Convolution2D \|/ ------------------- 1180160 0.9%
relu ##### 512 28 28
Convolution2D \|/ ------------------- 2359808 1.7%
relu ##### 512 28 28
Convolution2D \|/ ------------------- 2359808 1.7%
relu ##### 512 28 28
MaxPooling2D Y max ------------------- 0 0.0%
##### 512 14 14
Convolution2D \|/ ------------------- 2359808 1.7%
relu ##### 512 14 14
Convolution2D \|/ ------------------- 2359808 1.7%
relu ##### 512 14 14
Convolution2D \|/ ------------------- 2359808 1.7%
relu ##### 512 14 14
MaxPooling2D Y max ------------------- 0 0.0%
##### 512 7 7
Flatten ||||| ------------------- 0 0.0%
##### 25088
Dense XXXXX ------------------- 102764544 74.3%
relu ##### 4096
Dense XXXXX ------------------- 16781312 12.1%
relu ##### 4096
Dense XXXXX ------------------- 4097000 3.0%
softmax ##### 1000
12、TensorBoard
一个评估深度学习框架TensorFlow模型的强力工具。
https://www./tensorboard/graphs
13、Caffe
同样是深度学习框架Caffe下的一个小工具，
https://github.com/BVLC/caffe/blob/master/python/caffe/draw.py
14、TensorSpace
3D模式展示神经网络，
https:///
ACGAN模型Vgg16模型LeNet模型
