3.3.1　网络拓扑可视化

对于较简单的模型，可直接查看简单的模型概要，但对于更复杂的网络拓扑结构，Python的Keras API接口提供可视化模型的方法，即graphviz库。以下是Python安装graphviz和pydot库的程序代码。

pip install pydot-ng
pip install graphviz
pip install pydot==1.2.3

下载graphviz-2.38.msi软件并安装，并将安装目录添加到电脑的系统环境变量中。

Python中的Keras通过plot_model()函数将神经网络绘制成图形。函数包含以下参数。

• model（必需）：要绘制的模型。
• to_file（必需）：保存模型图的文件名称。
• show_shapes（可选，默认为False）：布尔值，用于显示每层的输出维度。
• show_layer_names（可选，默认为True）：布尔值，用于显示每层的名称。

下面通过一个简单的例子来介绍如何使用Python中的Keras的plot_model()函数。运行以下代码得到的网络拓扑结构如图3-11所示。

# 创建网络拓扑
from keras.models import Sequential
from keras.layers import Dense, Activation
from keras.utils import plot_model
model = Sequential()
model.add(Dense(32, activation='relu', input_dim=100))
model.add(Dense(1, activation='sigmoid'))
# 绘制网络拓扑结构
plot_model(model,to_file='model_plot.png',show_shapes=True,show_layer_names=True)

很遗憾，R的Keras并未提供plot_model()函数绘制网络拓扑图。不过，我们可以通过deepviz包的plot_model()函数实现。通过运行以下程序代码安装deepviz包。

>devtools::install_github("andrie/deepviz")

安装完成后，即可使用plot_model()函数对网络拓扑进行可视化。运行以下代码得到的网络拓扑结构如图3-12所示。

> library(deepviz)
> library(magrittr)
> library(keras)
> model <- keras_model_sequential()
> model %>%
+   layer_dense(units = 32,input_shape = c(100),activation = 'relu') %>%
+   layer_dense(units = 1,activation = 'sigmoid')
> model %>% plot_model()