当前位置：首页 > news >正文

PlotNeutralNet使用教程

news 2026/5/31 18:44:08

PlotNeutralNet使用教程

参考来源：

https://blog.csdn.net/Zhanglw882/article/details/115537471

https://blog.csdn.net/qq_41605934/article/details/118423571

https://blog.csdn.net/li26324949/article/details/146480338

1.下载工具

需要下载的工具包括：MikTeX，Python代码编辑器，Git bash（可选），安装过程如下：

安装MikTex，请移步https://miktex.org/download，下载完一直Next就行了；
点击Github链接https://github.com/HarisIqbal88/PlotNeuralNet，下载PlotNeuralNet 脚本到本地。如果使用Git bash下载的话，使用命令：git clone https://github.com/HarisIqbal88/PlotNeuralNet；

上一步完成之后，运行包中pyexamples文件夹下的unet.py文件，如果能成功的话证明python环境没什么问题；
软件安好了后，打开Git Bash，使用cd 命令将工作路径转到PlotNeuralNet所在的路径下。可以用 ls 看到PlotNeuralNet下的目录结构。
先看一个例子：
- 将工作路径转到 PlotNeuralNet/pyexamples，可以看到里面有个 test_simple.py 文件。
- 里面有个test_simple.pdf文件，是发布者上传的，可以提前删除它。
ps: 最近下载的没有test_simple.pdf这个文件了。
- 运行命令：
```
bash ../tikzmake.sh test_simple
```
  注意test_simple后不加.py后缀，等程序运行结束，可以在 PlotNeuralNet/pyexamples目录下看到新生成的test_simple.pdf文件。
  第二种运行方法（非git）：
  1. 打开pycharm，运行自己写的神经网络结构的python代码（我是在cmd里面, 切换到文件所在的文件夹下面，运行命令python test_simple.py^[1]），运行后就会生成对应的xxx.tex文件（latex文件）确保文件结构是下面这样的：
    
    PlotNeuralNet/
    ├── layers/
    │ ├── init.tex
    │ └── …
    ├── my_project/
    │ ├── test.py
  2. 打开安装好的TexWorks，Windows用户按win键搜索tex：
  3. 把python生成的.tex 文件拖入tex中
    
    第三种运行方法：运行完python文件后，使用cmd进入当前文件夹，执行命令pdflatex test_simple.tex。
  上面两种方法的运行结果如下图所示：

2. 实战

先整体看test_simple.py的内容，我们需要修改的只是arch中的元素和元素中的参数：

[注意不要忘记to_end(), 不然在运行tex文件的时候，会出现编译不完的情况，也就是所谓的编译卡住了。]

import sys
sys.path.append('../')
#pycore.tikzeng是发布者写的python接口，可以直接调用里面的函数来就行绘图，本文末尾有解释
from pycore.tikzeng import *#定义自己的网络图结构
arch = ["""前三行是一个初始化的过程，以后写自己的网络图照抄上去就行"""to_head( '..' ),to_cor(),to_begin(),#添加一个卷积层conv1to_Conv("conv1", 512, 64, offset="(0,0,0)", to="(0,0,0)", height=64, depth=64, width=2 ),#添加一个池化层pool1to_Pool("pool1", offset="(0,0,0)", to="(conv1-east)"),#添加一个卷积层conv2to_Conv("conv2", 128, 64, offset="(1,0,0)", to="(pool1-east)", height=32, depth=32, width=2 ),#添加一个连接线，在pool1和conv2之间to_connection( "pool1", "conv2"), #添加一个池化层pool2to_Pool("pool2", offset="(0,0,0)", to="(conv2-east)", height=28, depth=28, width=1),#添加一个softmax层soft1to_SoftMax("soft1", 10 ,"(3,0,0)", "(pool1-east)", caption="SOFT"  ),#添加一个连接线，在pool2和soft1之间to_connection("pool2", "soft1"), #添加一个 “+” 按钮sum1to_Sum("sum1", offset="(1.5,0,0)", to="(soft1-east)", radius=2.5, opacity=0.6),#添加一个连接线，在soft1和sum1之间to_connection("soft1", "sum1"),#结束to_end()]#后面的东西在自己画图时直接粘贴过去就行
def main():namefile = str(sys.argv[0]).split('.')[0]to_generate(arch, namefile + '.tex' )if __name__ == '__main__':main()

2.1 有时会在头部加一张图片

用to_input()函数

#####################################################################
# 添加输入的图像到网络头部，使用函数to_input
# to_input(pathfile,to='(-3,0,0)', width=8, height=8, name="temp")
# pathfile--输入图片的路径，
# to="(-3,0,0)"--输入图片的坐标(x,y,z),
# width=16,height=16--图片显示时的宽和高,根据需要自己调节
# name--指名称
# 这行代码紧跟前三行的后面
#####################################################################
to_input('lib.jpg',width=8, height=8),

再次运行（或者使用上述第二种运行方法）

bash ../tikzmake.sh test_simple

2.2 添加卷积层

#####################################################################
# 添加卷积层
# to_Conv(name,s_filer=256,n_filer=64,offset="(0,0,0)",to="(0,0,0)",width=1,height=40, depth=40, caption=" ")
# name--名称
# s_filer--卷积层图像尺寸
# n_filer--卷积层图像深度(通道数)
# s_filer、n_filer指卷积层结构的参数,并非制图时的尺寸
# offset--与前一层分别在x,y,z方向的距离
# to--在x,y,z方向的坐标，
# offset、to的在后面会深入讲，可以自己该不同的值试验一下，找规律
# width--制图时的厚度
# height、depth--制图时的长宽
# width、height、depth指在制图时,卷积层的尺寸
# caption--备注信息
#####################################################################
to_Conv("conv1", 512, 64, offset="(0,0,0)", to="(0,0,0)", height=32, depth=32, width=2 ),

注意一下，s_filer，n_filer指的是在图中标注的尺寸大小，width,height, depth指的是在图中图形显示的实际厚、长与深度（宽）。

2.3 添加池化层

#####################################################################
# 添加池化层
# to_Pool(name,offset="(0,0,0)",to="(0,0,0)",width=1,height=32,depth=32,opacity=0.5,caption=" ")
# 部分参数与卷积层相同
# opacity--透明度,0-1之间
# to="(conv1-east)"--在con1层的东侧
#####################################################################
to_Pool("pool1", offset="(0,0,0)",to="(conv1-east)",width=1, height=32, depth=32,opacity=0.5),

offset：相对偏移，表示这一层与上一层分别在x，y，z上的偏移量，一般只需要调整x, offset="(5,0,0)", 表示这一层与上一层的在x方向上的偏移是5.
to：告诉程序当前节点要相对于哪个已有节点（或坐标）来定位. offset指的是偏移量，那么to就规定了一个基准，让当前这一层相对于to偏移offset距离。

解释：上述代码中提到的pool1层的offset="(0,0,0)", 并且to="(conv1-east)"，指的是在conv1的右边，在xyz轴上的偏移都是0，亦即，pool1层在conv1的正右边，并且是挨着的。
- 格式 1：(节点名称-方向)
  
  （最常用）
  - 方向包括：east（东 / 右）、west（西 / 左）、north（北 / 上）、south（南 / 下），对应节点的四个边缘中点。
  - 示例：to="(conv1-west)"（以 conv1 左侧为参考）、to="(soft1-south)"（以 soft1 下方为参考）。
- 格式 2：(绝对坐标)
  
  （如to="(0,0,0)"）
  - 直接指定 3D 坐标（x,y,z），通常用于第一个节点（如输入层），作为整个网络的 “起点坐标”。
  - 示例：输入层 to_input(..., to="(0,0,0)")，后续所有节点都以这个起点为基准偏移。
- 格式 3：(节点名称)（省略方向）
  - 默认以该节点的 “中心” 为参考锚点，适合需要居中对齐的场景。
  - 示例：to="(pool2)"（以 pool2 节点的中心为参考）。

2.4 小小练习一下


import sys
sys.path.append('../')
from pycore.tikzeng import *# defined your arch
arch = [to_head( '..' ),to_cor(),to_begin(),to_input('lib.jpg', width=8,height=8),to_Conv("conv1", 512,64, offset="(0,0,0)", to="(0,0,0)", height=64, depth=64, width=2),to_Pool("pool1", offset="(0,0,0)", to="(conv1-east)", width=1, height=32, depth=32,opacity=0.5),to_Conv("conv2",512,64,offset="(5,0,0)", to="(pool1-east)", height=64, depth=64, width=2),to_Pool("pool2", offset="(5,0,0)", to="(conv2-east)",width=1,height=32,depth=32,opacity=1),to_end()]def main():namefile = str(sys.argv[0]).split('.')[0]to_generate(arch, namefile + '.tex' )if __name__ == '__main__':main()

9237bd5c237f65dfe5c87ecc5a8c665c_720

2.5 层与层之间带箭头

to_connection(): 水平连接，参数为：起始位置、中止位置

to_skip(): 跨连接，参数为：起始位置、中止位置，pos默认为1.25, 可以自己调试

#水平连接，参数为：起始位置、中止位置
to_connection("pool1", "conv2"),
to_connection("conv2","pool2"),
#跨连接，参数为：起始位置、中止位置，pos默认为1.25，可以自己调一调试试啥效果
to_skip(of = "pool1",to = "pool2",pos=1.25),