本文共 2420 字，大约阅读时间需要 8 分钟。

用于分析tensorflow 网络图的工具对比

在利用tensorflow & keras学习神经网络的过程中，能够利用图形化工具来了解和分析你所设计的网络是非常有意义的，本文结合学习过程，简单介绍记录一下：

tensorboard GRAPHS

这个市tensorflow自己的图形化工具，在Chrome浏览器里察看网络图，基本的样子如图

Keras model.summary

这个工具给出文本形式的网络层次图，同时还给出了网络参数的数量级等信息：

Model: "sequential_1"_________________________________________________________________Layer (type)                 Output Shape              Param #   =================================================================conv2d_1 (Conv2D)            (None, 148, 148, 32)      896       _________________________________________________________________max_pooling2d_1 (MaxPooling2 (None, 74, 74, 32)        0         _________________________________________________________________conv2d_2 (Conv2D)            (None, 72, 72, 64)        18496     _________________________________________________________________max_pooling2d_2 (MaxPooling2 (None, 36, 36, 64)        0         _________________________________________________________________conv2d_3 (Conv2D)            (None, 34, 34, 128)       73856     _________________________________________________________________max_pooling2d_3 (MaxPooling2 (None, 17, 17, 128)       0         _________________________________________________________________conv2d_4 (Conv2D)            (None, 15, 15, 128)       147584    _________________________________________________________________max_pooling2d_4 (MaxPooling2 (None, 7, 7, 128)         0         _________________________________________________________________flatten_1 (Flatten)          (None, 6272)              0         _________________________________________________________________dense_1 (Dense)              (None, 512)               3211776   _________________________________________________________________dense_2 (Dense)              (None, 1)                 513       =================================================================Total params: 3,453,121Trainable params: 3,453,121Non-trainable params: 0_________________________________________________________________

Keras. plot_model

from    keras.utils.vis_utils    import plot_modelplot_model(model, to_file="model.png",show_shapes=True);

从代码看，就是到这个工具可以生成一个图形文件，用于描述网络图，但这个工具需要很多依赖，而且从结果看，似乎也没有太多的亮点。

Netron

Netron支持主流各种框架的模型结构可视化工具，需要单独安装，用于从训练的模型文件提取网络层次图，并且在每个节点上提供进一步的层次信息，在浏览器中可以拖拽，放大，和tensorboard比也毫不逊色，而且支持多家的模型文件。

小结

上述四个工具都可以帮助学习网络层次和结构，tensorboard/keras.summary/netron三者结合使用更加方便。

转载地址：http://buyrf.baihongyu.com/