### 使用 pydotplus 在 Jupyter Notebook 中绘制神经网络图 pydotplus 是一个用于生成图形的 Python 库，它基于 Graphviz 工具集。通过 pydotplus 可以轻松地在 Jupyter Notebook 中创建复杂的图表结构，比如神经网络图，并为其添加详细的注释。 以下是实现方法以及完整的代码示例： #### 安装依赖项 首先需要安装 `pydotplus` 和 `graphviz`，可以通过以下命令完成： ```bash pip install pydotplus graphviz ``` 如果尚未安装 Graphviz 的二进制文件，则还需要下载并配置其环境变量[^4]。 --- #### 示例代码：绘制带有详细注释的神经网络图 下面是一个使用 pydotplus 创建简单三层神经网络图的示例代码，其中包含了输入层、隐藏层和输出层，并为每一部分添加了详细的注释说明。 ```python import pydotplus # 初始化 Dot 对象 dot = pydotplus.Dot(graph_type='digraph', rankdir='LR') # 添加节点 (带标签) input_layer_nodes = ['Input Node 1', 'Input Node 2'] hidden_layer_nodes = ['Hidden Node 1', 'Hidden Node 2', 'Hidden Node 3'] output_layer_nodes = ['Output Node'] for node_name in input_layer_nodes: dot.add_node(pydotplus.Node(node_name, shape="circle", color="blue", style="filled", fillcolor="lightblue")) for node_name in hidden_layer_nodes: dot.add_node(pydotplus.Node(node_name, shape="circle", color="green", style="filled", fillcolor="lightgreen")) for node_name in output_layer_nodes: dot.add_node(pydotplus.Node(node_name, shape="doublecircle", color="red", style="filled", fillcolor="pink")) # 连接边 (带权重标注) edges_with_weights = [ ('Input Node 1', 'Hidden Node 1', 'W1'), ('Input Node 1', 'Hidden Node 2', 'W2'), ('Input Node 1', 'Hidden Node 3', 'W3'), ('Input Node 2', 'Hidden Node 1', 'W4'), ('Input Node 2', 'Hidden Node 2', 'W5'), ('Input Node 2', 'Hidden Node 3', 'W6') ] for edge in edges_with_weights: dot.add_edge(pydotplus.Edge(edge[0], edge[1], label=edge[2])) # 将隐藏层连接到输出层 for hidden_node in hidden_layer_nodes: for output_node in output_layer_nodes: dot.add_edge(pydotplus.Edge(hidden_node, output_node)) # 展示绘图结果 from IPython.display import Image Image(dot.create_png()) ``` 此代码片段实现了以下功能： - **定义三个层次**：分别为输入层、隐藏层和输出层。 - **自定义样式**：不同颜色表示不同的层类型（蓝色代表输入层，绿色代表隐藏层，红色代表输出层）。 - **加权边缘**：每条连线都附有对应的权重值作为注释[^5]。 运行以上脚本后，在 Jupyter Notebook 输出区域即可看到一张清晰明了且富含细节描述的神经网络架构图。 --- ### 注意事项 为了确保图片能够正常渲染，请确认已正确安装 Graphviz 软件及其路径已被加入系统的 PATH 环境变量中；否则可能会遇到错误提示无法找到指定程序等问题[^6]。 ---