关于Keras模型可视化教程及关键问题的解决

keras提供简单方便的模型可视化工具，只需一行代码就可以用框图的形式可视化出你搭建的网络结构。对于复杂网络而言，这个工具就是个神器呀。

这篇文章是解决win10环境下的keras模型可视化工具所遇到的问题，Linux暂时还没有尝试(不过也可以借鉴)。

大致环境是：

首先，你可以查看keras官方文档教程。

from keras.utils import plot_model
plot_model(model, to_file='model.png')

这两行代码实现可视化？

其实还是有些问题的，因为你并没有安装GraphViz。

教程

pip install graphviz
pip install pydot
pip install pydot_ng

注意：光用pip安装以上两个模块还是不够的

还需要安装GraphViz：

1. http://www.graphviz.org/

在这个网站上下载对应系统的graphviz，如果觉得找得麻烦，可以在CSDN上下载我上传的。直接解压就是.msi文件，可以在win10上直接运行安装。安装路径都可以默认。

2. 设置环境变量

首先，按win+e键弹出文件窗口

然后，右键此电脑 →属性→高级系统设置→环境变量

就可以呼出这么一个画面：

然后点击下面的系统变量列表中的Path，点击编辑就可以

然后，新建→浏览→选出Graphviz2.38/bin的路径

一直确定保存就可以了。

>>>import os
>>>os.environ.get('PATH', '')

就可以查看自己设置的环境变量是不是在列表里面，在的话就说明成功了。

在这个时候，理论上是可以使用keras可视化了。可以用以下代码验证一波：

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.vis_utils import plot_model
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(model, to_file='model.png')

if __name__ == '__main__':
 run()

运行结果如下：

顺便跑了以下VAE的网络结构：

整体上，效果不错。主要是，使用方便。

来源：https://blog.csdn.net/leviopku/article/details/81433867