深度学习网络图PlotNeuralNet工具（一）：初入门——解析test_sample.py

1. 参考

github地址：https://github.com/HarisIqbal88/PlotNeuralNet
安装方法：windows系统、Ubuntu系统

2. 函数解析

test_simple.py

import sys
sys.path.append('../')
from pycore.tikzeng import *

# defined your arch
arch = [
    to_head( '..' ),
    to_cor(),
    to_begin(),
    to_Conv("conv1", 512, 64, offset="(0,0,0)", to="(0,0,0)", height=64, depth=64, width=2 ),
    to_Pool("pool1", offset="(0,0,0)", to="(conv1-east)"),
    to_Conv("conv2", 128, 64, offset="(1,0,0)", to="(pool1-east)", height=32, depth=32, width=2 ),
    to_connection( "pool1", "conv2"), 
    to_Pool("pool2", offset="(0,0,0)", to="(conv2-east)", height=28, depth=28, width=1),
    to_SoftMax("soft1", 10 ,"(3,0,0)", "(pool1-east)", caption="SOFT"  ),
    to_connection("pool2", "soft1"),    
    to_end()
    ]
 
def main():
    namefile = str(sys.argv[0]).split('.')[0]
    to_generate(arch, namefile + '.tex' )

if __name__ == '__main__':
    main()

图1

上述程序是pyexample中的例子，是可以通过 bash …/tikzmake.sh test_simple 直接运行出来的
其中：
to_Conv(“conv1”, 512, 64, offset="(0,0,0)", to="(0,0,0)", height=64, depth=64, width=2 )

name	“conv1”	该层的名字
s_filer(z_label)	512	写在左下角的z方向的数字
n_filer(x_label)	64	写在左下角的x方向的数字
offset(x,y,z)	(0,0,0)	和上一个图形在x,y,z方向上的偏移值，若x为1,则图像位于前面1的位置
to(x,y,z)	(0,0,0)	若为(0,0,0)表示第一个图
height	64	图像的高度
depth	64	图像的深度
width	2	图像的宽度

to_Pool(“pool1”, offset="(0,0,0)", to="(conv1-east)"),

name	“pool1”	该层的名字
offset(x,y,z)	(0,0,0)	和上一个图形在x,y,z方向上的偏移值，若都为0，则和原图像的位置相同
to(x,y,z)	“(conv1-east)”	上一个图的name，再加上"-east"，跟在name这个图的后面
height	32	若没填，则为上一个图的一半
depth	32	若没填，则为上一个图的一半
width	1	若没填，则为上一个图的一半
opacity	若为0.5	透明度

to_SoftMax(“soft1”, 10 ,"(3,0,0)", “(pool1-east)”, caption=“SOFT” )

name	“soft1”	该层的名字
s_filer(z_label)	10	写在左下角的z方向的数字
offset(x,y,z)	“(3,0,0)”	和上一个图形在x,y,z方向上的偏移值，若都为0，则和原图像的位置相同
to(x,y,z)	“(pool1-east)”	上一个图的name，再加上"-east"，跟在name这个图的后面
caption	“SOFT”	描述（会显示在图中）

to_connection( “pool1”, “conv2”)：从哪一个图到哪一个图画个箭头