前言
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：
from keras.utils.visualize_util import plot
plot(model, to_file='model.png')
注：笔者使用的Keras版本是1.0.6
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
- 命令行输入
pip install graphviz - 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
- 命令行输入
pip install pydot==1.1.0- 注：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
# encoding: utf-8
"""
@author: monitor1379
@contact: yy4f5da2@hotmail.com
@site: www.monitor1379.com
@version: 1.0
@license: Apache Licence
@file: test_keras2.py
@time: 2016/8/17 16:51
"""
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.visualize_util import plot
def run():
# 构建神经网络
model = Sequential()
model.add(Dense(4, input_dim=2, init='uniform'))
model.add(Activation('relu'))
model.add(Dense(2, init='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, to_file='model.png')
if __name__ == '__main__':
run()
输出结果：
神经网络可视化结果
参考
[1] keras可视化pydot graphviz问题
[2] StackOverflow解答：Importing theano: AttributeError: 'module' object has no attribute 'find_graphviz'
