手把手教你用Python绘制神经网络图

太过爱你忘了你带给我的痛 2024-02-22 04:16 105阅读 0赞

*  接下来教大家如何使用 **Python** 中的 **networkx** 库，绘制美观且标准的神经网络。
 *  会根据指定的层和节点数量，绘制不同结构的神经网络。

> **networkx** 库可以用来创建和操作图类型的数据结构，其中包括无向图、有向图、带权图等等。  
> 神经网络可以看做是一种图数据结构，因此可以使用networkx库创建，并进行可视化的操作。

--------------------

## 简单示例：绘制一个2层的神经网络 ##

![在这里插入图片描述][b481373b860643d1b0b9260307b5fe46.png]

1.  首先，需提前安装好networkx库，然后在代码中导入 **networkx** 和 **matplotlib**。然后使用 **DiGraph** 创建一个有向图G。
2.  我们要绘制的网络，包括了5个节点，第1层的节点编号为1、2，第2层的是3、4、5，我们使用add\_edge，从1向3、4、5，从2向3、4、5，连接一条边。
3.  为了让绘制的图像看起来像一个神经网络，我们需要为这5个节点设置坐标。创建字典pos，字典的key是节点的名称，字典的value，是节点所在位置。
4.  最后使用nx.draw函数进行绘制。  
    其中G是要绘制的图，  
    pos是图中节点的坐标，  
    with\_labels = True，代表绘制节点的名称  
    node\_color和edgecolor是节点和边的颜色  
    linewidths和width是节点和边的粗细  
    node\_size是节点的大小

--------------------

## 自定义函数，根据参数自由绘制神经网络 ##

# 在代码中导入networkx 和 matplotlib
    import networkx as nx
    import matplotlib.pyplot as plt
    
    G = nx.DiGraph()  # 使用DiGraph创建一个有向图G
    
    # 网络包括了5个节点
    # 第一层的节点编号为1、2，第2层的是3、4、5
    G.add_edge(1, 3)  # 从1到3
    G.add_edge(1, 4)  # 从1到4
    G.add_edge(1, 5)  # 从1到5
    G.add_edge(2, 3)  # 从2到3
    G.add_edge(2, 4)  # 从2到4
    G.add_edge(2, 5)  # 从2到5
    
    # 创建字典pos，字典的key是节点的名称
    # 字典的value，是节点所在位置
    
    # 1号和2号节点在一列
    # 3、4、5在一列
    # 因此设置1和2的x坐标为0；3、4、5的为1
    
    # 同一组中的节点，可以均匀的分布在同一列上
    # 所以我们将1和2的y坐标，设置为0.25和0.75
    # 3、4、5的y坐标0.2、0.5、0.8
    
    # {节点名称:(节点x坐标,节点y坐标)}
    pos = {
        
        1: (0, 0.25),  # 节点1的坐标(0,0.25)
        2: (0, 0.75),  # 节点2的坐标(0,0.75)
        3: (1, 0.2),  # 节点3的坐标(1, 0.2)
        4: (1, 0.5),  # 节点4的坐标(1, 0.5)
        5: (1, 0.8),  # 节点5的坐标(1, 0.8)
    }
    
    # 使用nx.draw函数进行绘制
    nx.draw(G,  # 要绘制的图
            pos,  # 图中节点的坐标
            with_labels=True,  # 绘制节点的名称
            node_color='white',  # 节点的颜色
            edgecolors='black',  # 边的颜色
            linewidths=3,  # 节点的粗细
            width=2,  # 边的粗细
            node_size=1000  # 节点的大小
            )
    
    plt.show()
    
    
    # 根据传入的输入层、隐含层、输出层的神经元数量，绘制对应的神经网络
    def draw_network_digraph(input_num, hidden_num, output_num):
        G = nx.DiGraph()  # 创建一个图G
    
        # 连接输入层和隐含层之间的边
        for i in range(input_num):
            for j in range(hidden_num):
                G.add_edge(i, input_num + j)
    
        # 连接隐含层和输出层之间的边
        for i in range(hidden_num):
            for j in range(output_num):
                G.add_edge(input_num + i, input_num + hidden_num + j)
    
        pos = dict()  # 计算每个节点的坐标pos
        # 节点的坐标，(x,y)设置为：
        # (0,i-input_num/2)
        # (1,i-hidden_num)/2)
        # (2,i-output_num/2)
        # 根据每一层的节点数量，将节点从中间，向两边分布
        for i in range(0, input_num):
            pos[i] = (0, i - input_num / 2)
        for i in range(0, hidden_num):
            hidden = i + input_num
            pos[hidden] = (1, i - hidden_num / 2)
        for i in range(0, output_num):
            output = i + input_num + hidden_num
            pos[output] = (2, i - output_num / 2)
    
        # 调用 nx.draw 绘制神经网络
        nx.draw(G,  # 要绘制的图
                pos,  # 图中节点的坐标
                with_labels=False,  # 绘制节点的名称
                node_color='white',  # 节点的颜色
                edgecolors='black',  # 边的颜色
                linewidths=3,  # 节点的粗细
                width=2,  # 边的粗细
                node_size=1000  # 节点的大小
                )
    
    
    if __name__ == '__main__':
        #   尝试多组参数，绘制不同结构的神经网络
        draw_network_digraph(3, 5, 2)
        plt.show()
        draw_network_digraph(5, 2, 6)
        plt.show()
        draw_network_digraph(1, 10, 1)
        plt.show()

[b481373b860643d1b0b9260307b5fe46.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/02/22/abe242e64b5242fe94ce66d11f3721b6.png