调用Keras中的plot_model、model.summary函数画深度学习模型结构图（Mac端配置graphviz）调用Keras中的plot_model、model.s

安装graphviz 使用Mac的brew安装即可，命令行：

brew install graphviz

查看graphviz安装到的路径

brew list graphviz

出现下图：

调用Keras中的plot_model、model.summary函数画深度学习模型结构图（Mac端配置graphviz）

文章图片

添加环境变量到路径

import os os.environ["PATH"] += os.pathsep + '/usr/local/Cellar/graphviz'

运行代码 【调用Keras中的plot_model、model.summary函数画深度学习模型结构图（Mac端配置graphviz）】运行绘制模型plot_model代码之前，预先定义好一个model，例如：

from keras.models import Sequential from tensorflow import * from keras.layers.embeddings import Embedding from keras.layers import Conv1D, MaxPooling1D, Flatten, Dropout, Dense, Input, Lambda,BatchNormalization from keras.models import Modelmodel = Sequential() model.add(Embedding(100001, 300, input_length=50)) #使用Embeeding层将每个词编码转换为词向量 model.add(Conv1D(256, 5, padding='same')) model.add(MaxPooling1D(3, 3, padding='same')) model.add(Conv1D(128, 5, padding='same')) model.add(MaxPooling1D(3, 3, padding='same')) model.add(Conv1D(64, 3, padding='same')) model.add(Flatten()) model.add(Dropout(0.1)) model.add(BatchNormalization())# (批)规范化层 model.add(Dense(256, activation='relu')) model.add(Dropout(0.1)) model.add(Dense(10, activation='softmax'))

绘制模型图