绘制神经网络的新方法-NetworkX
Network
NetworkX是一个用Python语言开发的图论与复杂网络建模工具，内置了常用的图与复杂网络分析算法，可以方便地进行复杂网络数据分析、仿真建模等工作。该库支持创建简单无向图、有向图和多重图，内置许多标准的图论算法，节点可为任意数据，支持任意的边值维度，功能丰富，简单易用。
NetworkX的主要特点包括：
灵活性强：可以创建不同类型的图，包括无向图、有向图和多重图，并支持自定义节点和边。
扩展性强：内置了大量的图论和网络算法，可以方便地对网络进行分析和操作。
可视化性好：支持将网络绘制成图像，方便观察和展示。
社区活跃：是一个开源项目，拥有活跃的开发者社区和用户社区，提供了大量的示例和文档。
下面我见使用Network 绘制一个简单的神经网络，如下图所示：
使用NetworkX绘制神经网络步骤
使用 networkx 绘制神经网络需要考虑网络的结构和布局。以下是使用 networkx 绘制神经网络的步骤和一些技巧：
步骤：
初始化图：
使用 nx.DiGraph() 初始化一个有向图，因为神经网络是从输入层流向输出层的有向结构。
添加节点：
对于每一层，为每个神经元添加一个节点。为了方便标识，可以给每个神经元一个独特的标签，例如 "Layer_1_Neuron_2" 表示第一层的第二个神经元。
确定节点位置：
使用一个字典来保存每个节点的位置。这可以确保神经元在绘制时有序排列。可以选择在水平轴上按层次来放置节点，并在垂直轴上等距分隔每个神经元。
添加边：
对于相邻的层，连接每个神经元到下一层的所有神经元。
绘制图：
使用 nx.draw() 函数绘制图。可以设置各种参数来改变节点和边的颜色、大小和形状等。
技巧：
调整布局：
networkx 有多种布局算法，例如 spring_layout 和 circular_layout。但对于神经网络，通常使用自定义布局更为合适，以确保层和神经元的有序排列。
美化图：
使用 node_color、node_size、edge_color 等参数来调整节点和边的外观。使用 with_labels=True 参数来显示节点标签。
调整边的样式：
可以使用 edge_color 和 width 参数来调整边的颜色和宽度。如果想表示权重或其他属性，可以为边添加标签或使用不同的线型和颜色。
添加标题和标签：
使用 plt.title() 添加标题。如果需要更复杂的标签或注释，可以使用 matplotlib 的函数。
扩展性：
当创建更大或更复杂的网络时，考虑将代码组织成函数或类，以提高可读性和可重用性。使用 networkx 绘制神经网络的主要优点是它提供了很大的灵活性，允许用户自定义网络的外观和结构。然而，对于大型或复杂的网络，可能需要额外的工具或库，如 PyTorch、TensorFlow 的可视化工具，以更有效地表示网络结构。
import matplotlib.pyplot as plt
import networkx as nx
def plot_neural_net(layers):
"""
Plots a simple feed-forward neural network graph using networkx.
Args:
- layers (list of ints): a list where each item is the number of neurons in that layer.
E.g., [2, 3, 1] means input layer has 2 neurons, one hidden layer with 3 neurons, and output layer with 1 neuron.
"""
G = nx.DiGraph()
pos = {}
# Add nodes and their positions for each layer
for i, layer_size in enumerate(layers):
for j in range(layer_size):
node_name = f"Layer_{i}_Neuron_{j}"
G.add_node(node_name)
pos[node_name] = (i, j - layer_size / 2)
# Connect nodes between layers
for i in range(len(layers) - 1):
for j in range(layers[i]):
for k in range(layers[i + 1]):
G.add_edge(f"Layer_{i}_Neuron_{j}", f"Layer_{i+1}_Neuron_{k}")
# Draw the graph
nx.draw(G, pos, with_labels=True, node_size=2000, node_color="skyblue", font_size=10, font_weight='bold', width=2, edge_color="gray")
plt.title("3-layer Neural Network")
plt.show()
# Define the number of neurons in each layer for a 3-layer network
layers = [3, 4, 2]
plot_neural_net(layers)
下面是几种其他的绘制结果，稍稍变一下参数即可。