مصورسازی مدل‌های شبکه عصبی برپایه Keras به کمک Keras Visualizer

کراس چیست؟

کراس (Keras) یک کتابخانه متن‌باز همراه با شبکه عصبی سطح بالا است که به زبان پایتون نوشته شده است و می‌تواند در Tensorflow ، Theano و CNTK اجرا شود. این کتابخانه توسط یکی از مهندسان فرانسوی شرکت گوگل به نام François Chollet ساخته شده است.

ساخت مدل شبکه عصبی

از یک مدل ساده برای شروع استفاده می‌کنیم. برای مدل‌های بیشتر می‌توانید از این لینک کمک بگیرید.

نصب Keras

برای نصب و استفاده از Keras باید کتابخانه Tensorflow نصب باشد.

pip install tensorflow keras

استفاده از Keras

این کتابخانه را می‌توان به دو روش استفاده کرد.

from tensorflow import keras
# or
import keras

ساخت مدل شبکه عصبی

from keras import models, layers

model = models.Sequential([
    layers.Dense(64, activation='relu', input_shape=(8,)),
    layers.Dense(6, activation='softmax'),
    layers.Dense(32),
    layers.Dense(9, activation='sigmoid')
])

مصورسازی مدل

برای نمایش لایه‌های مختلف مدل از کتابخانه Keras Visualizer استفاده می‌کنیم.

نصب Keras Visualizer

pip install keras-visualizer

استفاده از Keras Visualizer

from keras_visualizer import visualizer

visualizer(model, file_format='png', view=True)

نتیجه‌گیری

نمونه کد کامل

from keras import models, layers
from keras_visualizer import visualizer

model = models.Sequential([
    layers.Dense(64, activation='relu', input_shape=(8,)),
    layers.Dense(6, activation='softmax'),
    layers.Dense(32),
    layers.Dense(9, activation='sigmoid')
])

visualizer(model, file_format='png', view=True)

خروجی

توضیحات کامل‌تر ، مثال‌های بیشتر و نحوه شخصی‌سازی خروجی را در مستندات Keras Visualizer بخوانید.