### 绘制BP神经网络拓扑图 以下是实现绘制BP神经网络基本结构拓扑图的方法，其中包括输入层、隐藏层和输出层的标注、数据流向箭头以及颜色区分功能，并最终将图片保存至桌面。 #### 实现代码 ```python import matplotlib.pyplot as plt from matplotlib.patches import FancyArrowPatch def draw_neural_net(ax, left, right, bottom, top, input_layer_size, hidden_layer_sizes, output_layer_size): """ 绘制神经网络拓扑图。 参数: ax (Axes): Matplotlib 的 Axes 对象。 left (float): 图表左边界位置。 right (float): 图表右边界位置。 bottom (float): 图表下边界位置。 top (float): 图表上边界位置。 input_layer_size (int): 输入层节点数。 hidden_layer_sizes (list of int): 隐藏层每层节点数列表。 output_layer_size (int): 输出层节点数。 """ n_layers = len(hidden_layer_sizes) + 2 v_spacing = (top - bottom) / float(max(input_layer_size, max(hidden_layer_sizes), output_layer_size)) h_spacing = (right - left) / float(n_layers - 1) # 节点坐标计算 layers = [input_layer_size] + list(hidden_layer_sizes) + [output_layer_size] colors = ['lightblue', 'lightgreen', 'orange'] * (n_layers // 3 + 1) for i, layer_size in enumerate(layers): layer_top = v_spacing * (layer_size - 1) / 2. + (top + bottom) / 2. for j in range(layer_size): circle = plt.Circle((left + i*h_spacing, layer_top - j*v_spacing), radius=v_spacing/4., color=colors[i]) ax.add_artist(circle) # 连接线与箭头 for i, layer_size_a in enumerate(layers[:-1]): layer_top_a = v_spacing * (layer_size_a - 1) / 2. + (top + bottom) / 2. layer_top_b = v_spacing * (layers[i+1] - 1) / 2. + (top + bottom) / 2. for ja in range(layer_size_a): for jb in range(layers[i+1]): line = FancyArrowPatch( (left+i*h_spacing, layer_top_a-ja*v_spacing), (left+(i+1)*h_spacing, layer_top_b-jb*v_spacing), connectionstyle="arc3", arrowstyle='->', mutation_scale=15, lw=1, alpha=0.7, color='black' ) ax.add_artist(line) # 添加标签 ax.text(left - 0.1, top, "Input Layer", fontsize=12, ha='center') ax.text(right + 0.1, top, "Output Layer", fontsize=12, ha='center') mid_point = (len(hidden_layer_sizes)) / 2 if mid_point.is_integer(): ax.text(left + mid_point * h_spacing, top, "Hidden Layers", fontsize=12, ha='center') # 设置绘图参数 fig, ax = plt.subplots(figsize=(8, 6)) ax.axis('off') # 关闭坐标轴显示 draw_neural_net(ax, .1, .9, .1, .9, input_layer_size=3, hidden_layer_sizes=[5], output_layer_size=2) # 保存图像到桌面 desktop_path = "~/Desktop/bp_network.png" plt.savefig(desktop_path.replace("~", ""), bbox_inches='tight', dpi=300) plt.show() ``` 此代码实现了以下功能： - 使用 `matplotlib` 创建了一个 BP 神经网络的基本结构图[^1]。 - 定义了函数 `draw_neural_net` 来动态生成具有指定层数和节点数量的神经网络图。 - 不同的颜色用于区分输入层、隐藏层和输出层[^1]。 - 数据流方向通过箭头表示，连接每一层中的节点[^2]。 - 将生成的图表保存到了用户的桌面上[^1]。 #### 结果说明 运行以上代码后，会生成一张包含三层（输入层、隐藏层和输出层）的 BP 神经网络结构图。该图展示了从输入层到输出层的数据流动路径，并且各层被赋予不同的颜色以便于识别。 ---