看看實際效果
神經網路圖範例。
同一款工具，四種需求。下方每張圖都是實際產生的成果。
輸入內容
建立產品影像分類器的神經網路圖，輸入為 224 × 224 × 3 的影像，經過平行的 3 × 3 與 5 × 5 卷積分支，每個分支各有 32 個濾波器，串接成 64 張特徵圖，並以 softmax 輸出三個類別。
接著試試在 softmax 輸出前加入 dropout 層。將輸出改為十個產品類別。
控制系統方塊圖 · Ogata / standard controls textbook convention · schematex-blockdiagram
產生的圖表
什麼是神經網路圖。
神經網路圖呈現模型從輸入，經過學習層，到輸出的主要路徑。它會為每個階段加上有意義的標籤，例如影像輸入、卷積、隱藏層、LSTM 或預測，讓團隊不必閱讀程式碼也能討論架構。
使用分層圖說明模型邊界與處理順序。詳細的實作文件可以另外加入張量形狀、啟用函數、訓練資料與評估指標，但這些內容與基本架構檢視不同。
- Standard
- Ogata / standard controls textbook convention
- Engine
- schematex-blockdiagram
- Editable
- Double-click text, drag nodes
- Export
- SVG · PNG · PDF
適用對象
誰會使用神經網路圖。
用於模型審查的架構總覽，依資料流動順序呈現輸入、轉換與輸出。
在討論門檻、審查佇列與監控之前，共同檢視詐欺評分模型。
說明預測與異常偵測模型，將實際訊號連結至清楚的預測或重建結果。
運作方式
三個步驟建立神經網路圖。
01
描述需求
寫一段話就能開始。
“建立產品影像分類器的神經網路圖，輸入為 224 × 224 × 3 的影像，經過平行的 3 × 3 與 5 × 5 卷積分支，每個分支各有 32 個濾波器，串接成 64 張特徵圖，並以 softmax 輸出三個類別。”
02
查看圖表
由合適的繪圖引擎產生。
03
提出修改
每次修改都會保留版本。
在 softmax 輸出前加入 dropout 層。
V2 · DRAWN FROM V1, NOTHING RETYPED常見問題
常見問題
什麼是神經網路圖？
它是神經網路輸入、層與輸出的視覺化總覽，說明模型的結構，以及資料在其中流動的方向。
神經網路圖應該包含哪些內容？
請包含輸入資料、主要層類型，以及必要時的層大小；也要標示池化或 dropout 等重要階段，以及最後的預測或重建結果。
神經網路圖可以呈現 CNN 或 LSTM 嗎？
可以。請依處理輸入的順序，標示卷積、池化、循環、全連接或編碼器-解碼器階段。
神經網路圖和模型程式碼一樣嗎？
不一樣。圖示以易讀的層級說明架構；程式碼則定義確切的運算、參數、訓練方式與部署行為。
可以匯出神經網路圖嗎？
可以。你可以將它匯出為 SVG、PNG 或 PDF，用於模型審查、簡報或技術文件。
相關工具
