绘制神经网络的工具答案

【问题标题】：Tool for drawing neural networks绘制神经网络的工具
【发布时间】：2022-01-20 14:03:45
【问题描述】：

我正在尝试寻找一种工具来复制以下神经网络图：

使用igraph 可以轻松绘制节点和边。但是，我不确定igraph 是否可以用来复制图中的其他部分。你能帮帮我吗？

【问题讨论】：

您有兴趣专门在 R 中执行此操作，对吗？看起来您可以非常接近基本 R 的 text 和 arrows 函数，但需要大量了解各种元素的位置。
谢谢，@Dubukay，是的，我想在 R 中或使用其中一个 R 包来绘制神经网络。使用igraph（R 包）很容易绘制节点和边缘。所以，我觉得只用纯R，太复杂了。

标签： r igraph

【解决方案1】：

我认为DiagrammeR 可以是一个更好的变体。

如果你想把它制作成 R 环境。但是你需要一些时间来学习这个包。

library(DiagrammeR)

grViz("digraph G1 {
  graph [layout=neato overlap = true]     
  I0 [pos='1,3.25!' shape=plaintext label='input layer' fontsize=20]
  I1 [pos='1,2.5!'  style=radial]  
  I2 [pos='1,1!'    style=radial]
  I3 [pos='1,-0.5!' style=radial]
  I7 [pos='0,2.5!'  shape=plaintext label='input 1']
  I8 [pos='0,1!'    shape=plaintext label='input 2']
  I9 [pos='0,-0.5!' shape=plaintext label='input 3']
  H0 [pos='3,3.25!' shape=plaintext label='hidden layer 1' fontsize=20]
  H1 [pos='3,2.5!' style=radial]     
  H2 [pos='3,1!'    style=radial]
  H3 [pos='3,-0.5!' style=radial]
  O0 [pos='5,3.25!' shape=plaintext label='output layer' fontsize=20]
  O1 [pos='5,0!'  style=radial]
  O2 [pos='5,2!'  style=radial] 
  O7 [pos='6,0!' shape=plaintext label='output']
  O8 [pos='6,2!' shape=plaintext label='output']
  
  I7 -> I1 
  I8 -> I2
  I9 -> I3
  I1 -> H1 [label='w=0.8']
  I1 -> {H2 H3}
  I2 -> {H1 H2 H3}
  I3 -> {H1 H2 H3}
  {H1 H2 H3} -> O1
  {H1 H2 H3} -> O2
  O1 -> O7
  O2 -> O8
  
}")

我不知道如何制作“垂直箭头到箭头”，但我认为我们可以通过标签来实现...

【讨论】：

感谢@manro，再次感谢您的帮助！我相信通过使用虚构的节点，可以画出缺少的 thetas 和垂直箭头。
@PaulSmith 没问题 :) 看答案 N2 (stackoverflow.com/questions/50268757/…)，我们可以从“无处”中提取。如果您知道如何从 void 制作垂直箭头，我会很高兴看到它；）
是的，@manro，可以从 void 中绘制一个垂直箭头：只需将这两行添加到您的代码中：O3 [pos='5,1!' shape=plaintext label=''] 和 O3 -> O1。

【解决方案2】：

如果您正在寻找像此示例这样的解决方案：你可以在这里找到它：https://hub.packtpub.com/training-and-visualizing-a-neural-network-with-r/

#install.packages("neuralnet")

library(neuralnet)
data(iris)
ind <- sample(2, nrow(iris), replace = TRUE, prob=c(0.7, 0.3))
trainset = iris[ind == 1,] 
testset = iris[ind == 2,]

trainset$setosa = trainset$Species == "setosa"
trainset$virginica = trainset$Species == "virginica"
trainset$versicolor = trainset$Species == "versicolor"

network = neuralnet(versicolor + virginica + setosa~ Sepal.Length + Sepal.Width + Petal.Length + Petal.Width, trainset, hidden=3)
network
neuralnet(formula = versicolor + virginica + setosa ~ Sepal.Length +     Sepal.Width + Petal.Length + Petal.Width, data = trainset,     hidden = 3)
network$result.matrix
head(network$generalized.weights[[1]])

plot(network)

【讨论】：

谢谢，@TarJae。上图是关于已经估计的神经网络，我要找的是尚未估计的神经网络图。
好的。试试这个 diagrams.net> 它是免费的。还有一部分是网络。
谢谢@TarJae！