欢迎您访问程序员文章站本站旨在为大家提供分享程序员计算机编程知识!
您现在的位置是: 首页

Keras中神经网络可视化模块keras.utils.visualize_util 的安装

程序员文章站 2022-06-05 23:02:01
...

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:

[python] view plain copy  print?
  1. from keras.utils.visualize_util import plot  
  2. plot(model, to_file='model.png')  
:笔者使用的Keras版本是1.0.6,如果是python3.5
from keras.utils import plot_model
plot_model(model,to_file='model.png')


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
    • :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

[python] view plain copy  print?
  1. # encoding: utf-8  
  2. """ 
  3.  
  4. """  
  5.   
  6. import numpy as np  
  7. from keras.models import Sequential  
  8. from keras.layers.core import Dense, Activation  
  9. from keras.optimizers import SGD  
  10. from keras.utils import np_utils      
  11. from keras.utils.visualize_util import plot  
  12.   
  13.   
  14. def run():  
  15.     # 构建神经网络  
  16.     model = Sequential()  
  17.     model.add(Dense(4, input_dim=2, init='uniform'))  
  18.     model.add(Activation('relu'))  
  19.     model.add(Dense(2, init='uniform'))  
  20.     model.add(Activation('sigmoid'))  
  21.     sgd = SGD(lr=0.05, decay=1e-6, momentum=0.9, nesterov=True)  
  22.     model.compile(loss='binary_crossentropy', optimizer=sgd, metrics=['accuracy'])  
  23.   
  24.     # 神经网络可视化  
  25.     plot(model, to_file='model.png')  
  26.   
  27. if __name__ == '__main__':  
  28.     run()  
因为我的是python3.5,可能不兼容1.1.0版本的pydot,

所以我使用了

pip install pydot

运行例子,这时候会显示错误:No module named 'keras.utils.visualize_util'。

pip install pydot==1.1.0 这种方法是针对python2可以,

但是python3就不行了,因为Python3安装的1.2.*版本里面有所变动,可视化的地方需要用到visualize_util这样一个api,但是在1.2.*中,这个api被取消掉了,所以python3的用户应该安装 pydot_ng

pip install pydot_ng
我同时也安装了

pip install pydot


改为:

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():  
    # 构建神经网络  
    model = Sequential()  
    model.add(Dense(4, input_dim=2, kernel_initializer='uniform'))  
    model.add(Activation('relu'))  
    model.add(Dense(2, kernel_initializer='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'])  
    # 神经网络可视化  
    plot_model(model, to_file='model.png')  
if __name__ == '__main__':  
    run()

绘制Keras模型图

模型可视化来,具体的参考Keras的模型可视化

要下载的有这么几个模块: 
graphviz,pydot,pydot_ng 

另外一点就是,现在的可视化模块不叫做:keras.utils.visualize_util 了,改成了keras.utils.vis_utils了,因此引入的时候要特别注意。 

可以以上个程序测试。



最后验证是否安装好pydot:

import pydot

没有报错即为安装成功



下面代码演示创建一个图:

[python] view plain copy
  1. import pydot  
  2.   
  3. g = pydot.Dot(graph_type='graph')  
  4.   
  5. g.add_node(pydot.Node(str(0), fontcolor='transparent'))  
  6. for i in range(5):  
  7.   g.add_node(pydot.Node(str(i + 1)))  
  8.   g.add_edge(pydot.Edge(str(0), str(i + 1)))  
  9.   for j in range(5):  
  10.     g.add_node(pydot.Node(str(j + 1) + '0' + str(i + 1)))  
  11.     g.add_edge(pydot.Edge(str(j + 1) + '0' + str(i + 1), str(j + 1)))  
  12. g.write_png('C:/ch02_fig2-9_graph.png', prog='neato')