Keras中神经网络可视化模块keras.utils.visualize_util 的安装

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，如果是python3.5

from keras.utils import plot_model

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

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

1. 命令行输入 pip install graphviz
2. 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
3. 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
 """

 """

 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()

因为我的是python3.5，可能不兼容 1.1.0版本的pydot，

所以我使用了

pip install pydot

运行例子，这时候会显示错误：No module named 'keras.utils.visualize_util'。

pip install pydot==1.1.0 这种方法是针对python2可以,

但是python3就不行了,因为Python3安装的1.2.*版本里面有所变动,可视化的地方需要用到visualize_util这样一个api,但是在1.2.*中,这个api被取消掉了,所以python3的用户应该安装 pydot_ng

pip install pydot_ng

我同时也安装了

pip install pydot

改为：

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, kernel_initializer='uniform'))  
    model.add(Activation('relu'))  
    model.add(Dense(2, kernel_initializer='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()

绘制Keras模型图

模型可视化来，具体的参考Keras的模型可视化。

要下载的有这么几个模块： 
graphviz,pydot,pydot_ng 

另外一点就是，现在的可视化模块不叫做：keras.utils.visualize_util 了，改成了keras.utils.vis_utils了，因此引入的时候要特别注意。 

可以以上个程序测试。

最后验证是否安装好pydot：

import pydot

没有报错即为安装成功

下面代码演示创建一个图：

 import pydot

 g = pydot.Dot(graph_type='graph')

 g.add_node(pydot.Node(str(0), fontcolor='transparent'))
 for i in range(5):
   g.add_node(pydot.Node(str(i + 1)))
   g.add_edge(pydot.Edge(str(0), str(i + 1)))
   for j in range(5):
     g.add_node(pydot.Node(str(j + 1) + '0' + str(i + 1)))
     g.add_edge(pydot.Edge(str(j + 1) + '0' + str(i + 1), str(j + 1)))
 g.write_png('C:/ch02_fig2-9_graph.png', prog='neato')