可视化深度学习模型架构的6个常用的方法总结
可视化有助于解释和理解深度学习模型的内部结构。通过模型计算图的可视化可以弄清楚神经网络是如何计算的，对于模型的可视化主要包括以下几个方面：
- 模型有多少层
- 每层的输入和输出形状
- 不同的层是如何连接的？
- 每层使用的参数
- 使用了不同的激活函数
本文将使用 Keras 和 PyTorch 构建一个简单的深度学习模型，然后使用不同的工具和技术可视化其架构。
Keras 内置可视化模型
在 Keras 中显示模型架构的最简单就是使用 summary()方法
model.summary()
Keras vis_utils
keras.utils.vis_utils 提供了使用 Graphviz 绘制 Keras 模型的实用函数。但是在使用之前需要安装一些其他的依赖：
Visualkears
Visualkears 库只支持 CNN（卷积神经网络）的分层样式架构生成和大多数模型的图形样式架构，包括普通的前馈网络。
完整文章
https://www.overfit.cn/post/dff81951b62d48f79ff4995c1eedbbb3
