Adam Chow's Life Journals

Appearance

我们将在 MacBook 上使用 PlotNeuralNet 绘制精美的 CNN（卷积神经网络）图表，因为它可以生成基于 LaTeX/TikZ 的高质量矢量图，非常适合用于学术论文和技术报告。

这篇教程将带你从零开始，一步步完成环境配置、代码编写和图形生成。

整体流程概览 ​

  1. 环境准备：安装必要的软件，包括 Homebrew、Python、LaTeX (MacTeX)
  2. 下载 PlotNeuralNet：PlotNeuralNet 目前不提供 pip 安装，所以需要手动下载源码并安装。
  3. 编写 Python 脚本：定义你的 CNN 架构
  4. 生成 LaTeX 文件：运行 Python 脚本
  5. 编译生成 PDF：使用 pdflatex 命令将 .tex 文件编译成最终的 PDF 图

下面我们开始分步进行。

步骤一：环境准备 ⚙️ ​

这是最关键的一步，请务必确保所有依赖都已正确安装。

1. 安装 Homebrew（可选） ​

Homebrew 是 macOS 的包管理器，如果你还没有安装，请打开“终端” (Terminal) 应用，粘贴并运行以下命令：

bash
/bin/bash -c "$(curl -fsSL https://raw.githubusercontent.com/Homebrew/install/HEAD/install.sh)"

2. 安装 Python（可选） ​

macOS 自带的 Python 版本较旧，建议使用 Homebrew 安装一个新版本。

bash
brew install python

3. 安装 LaTeX (MacTeX) ​

PlotNeuralNet 的核心是生成 LaTeX 代码，所以你的电脑必须能编译 LaTeX 文件。在 macOS 上，最简单、最完整的选择是安装 MacTeX。

⚠️ 警告： MacTeX 的完整安装包非常大（约 4GB+），请确保有足够的磁盘空间和稳定的网络连接。

使用 Homebrew Cask 来安装 MacTeX：

bash
brew install --cask mactex

安装过程可能需要一些时间，请耐心等待。安装完成后，pdflatex 等编译命令就会自动添加到系统的 PATH 中。

小提示：如果你是高级用户且不想下载完整的 MacTeX，可以安装 BasicTeX (brew install --cask basictex)，然后手动通过 tlmgr 命令安装 tikz 等必要的包。但对于初学者，强烈推荐安装完整的 MacTeX 以避免后续的依赖问题。

步骤二：下载 PlotNeuralNet 源码 📦 ​

bash
git clone https://github.com/HarisIqbal88/PlotNeuralNet.git

至此，所有的准备工作都已完成！

步骤三：编写 Python 脚本定义 CNN 架构 ✍️ ​

现在，我们来创建一个 Python 脚本，用它来定义一个简单的 CNN 模型结构。这个例子包含卷积层、池化层、全连接层和 Softmax 层。

在下载好的 PlotNeuralNet 文件夹中，创建一个名为 my_project/draw_cnn.py 的文件，并将以下代码粘贴进去：

python
# my_project/draw_cnn.py
import sys
sys.path.append('../') # 如果你是从官方 GitHub 克隆的，需要这行
from pycore.tikzeng import *

# 定义你的网络架构
# 这是一个简单的 LeNet-like 结构
arch = [
    # 输入层 (虽然不画，但作为起点)
    to_head('..'),
    to_cor(),
    to_begin(),

    # ==================== 第一个卷积块 ====================
    # to_Conv(name, s_filer, n_filer, offset="(0,0,0)", to="(-1,0,0)", width=1, height=40, depth=40, caption="Input")
    to_Conv(name='conv1', s_filer=28, n_filer=6, offset="(0,0,0)", to="(0,0,0)", width=2, height=28, depth=28, caption="Conv1"),
    to_Pool(name="pool1", offset="(0,0,0)", to="(conv1-east)", width=1, height=14, depth=14, opacity=0.5),

    # ==================== 第二个卷积块 ====================
    to_Conv(name='conv2', s_filer=14, n_filer=16, offset="(1.5,0,0)", to="(pool1-east)", width=2, height=14, depth=14, caption="Conv2"),
    to_Pool(name="pool2", offset="(0,0,0)", to="(conv2-east)", width=1, height=7, depth=7, opacity=0.5),

    # 连接两个卷积块
    to_connection("pool1", "conv2"),

    # ==================== 全连接层 ====================
    # 将池化层“压平”并连接到全连接层
    to_SoftMax(name='flatten', offset="(1.5,0,0)", to='(pool2-east)', width=1.5, height=1, depth=25, caption='Flatten'),
    to_connection("pool2", "flatten"),
    
    to_SoftMax(name='fc1', s_filer=120, offset="(1.5,0,0)", to="(flatten-east)", width=1.5, height=1, depth=25, caption="FC1"  ),
    to_connection("flatten", "fc1"),

    to_SoftMax(name='fc2', s_filer=84, offset="(1,0,0)", to="(fc1-east)", width=1.5, height=1, depth=20, caption="FC2"  ),
    to_connection("fc1", "fc2"),

    # ==================== 输出层 ====================
    to_SoftMax(name='softmax', s_filer=10, offset="(1,0,0)", to="(fc2-east)", width=1.5, height=1, depth=10, caption="Softmax"  ),
    to_connection("fc2", "softmax"),
    
    # 结束
    to_end()
]

def main():
    # 生成 LaTeX 文件，命名为 cnn_diagram.tex
    to_generate(arch, 'cnn_diagram.tex')

if __name__ == '__main__':
    main()

代码解释： ​

  • to_Conv(name, s_filer, n_filer, ...): 定义一个卷积层。
    • name: 层的唯一标识符。
    • s_filer: 特征图的尺寸（例如 28x28）。
    • n_filer: 滤波器的数量（通道数）。
    • offset: 相对于前一层的偏移量 (x, y, z)，这是调整布局的关键。
    • to: 连接的起点，(0,0,0) 表示第一个元素，(conv1-east) 表示连接到 conv1 层的东侧（右侧）。
    • width, height, depth: 控制图形块的视觉尺寸。
    • caption: 层下面的文字说明。
  • to_Pool(...): 定义池化层，参数类似。
  • to_SoftMax(...): 可用于定义全连接层或 Softmax 层。
  • to_connection("from_layer", "to_layer"): 在两个层之间画一条连接线。
  • to_generate(arch, 'filename.tex'): 将定义好的 arch 列表生成一个 LaTeX 文件。

步骤四：运行 Python 脚本生成 .tex 文件 📜 ​

在终端中（确保你处于 PlotNeuralNet/my_project 目录），运行你的 Python 脚本：

bash
python draw_cnn.py

执行成功后，你会在文件夹里看到一个新文件：cnn_diagram.tex。这个文件包含了所有用于绘图的 LaTeX/TikZ 代码。

步骤五：编译 .tex 文件生成最终的 PDF 图 🖼️ ​

这是最后一步！使用 pdflatex 命令来编译 .tex 文件。

bash
pdflatex cnn_diagram.tex

重要提示：有时需要运行两次命令才能正确生成所有标签和引用。

编译完成后，你会看到一堆辅助文件（如 .aux, .log），但最重要的是，你会得到一个 cnn_diagram.pdf 文件！

打开它，你将看到一张专业、精美的 CNN 架构图：

如何绘制更精美的图（高级技巧） ​

  1. 调整颜色和透明度：在 to_Conv 等函数中，你可以添加 fill 和 opacity 参数来改变颜色和透明度。

    python
    to_Conv(..., fill="\\ConvColor", opacity=0.6)

  2. 绘制残差连接 (Skip Connection)：使用 to_skip 函数可以轻松绘制 ResNet 等结构中的跳跃连接。

    python
    # ... 在层A和层C之间 ...
to_skip(of='层A_name', to='层C_name', pos=1.25)

  3. 使用模块化组件：对于复杂的网络（如 Inception、ResNet Block），PlotNeuralNet 提供了 to_ConvConvRelu 等预定义的块，可以简化代码。

  4. 精细调整布局：offset 是你最好的朋友。通过微调 (x, y, z) 的值，你可以精确控制每个层的位置，避免重叠，使布局更美观。x 控制水平距离，y 控制垂直距离，z 控制深度（视觉上的前后）。

  5. 查阅官方示例：PlotNeuralNet 的 GitHub 仓库 包含了大量优秀示例（FCN, U-Net, ResNet 等），是学习高级用法的最佳资源。

常见问题与解决方案 (Troubleshooting) ​

  • 问题：command not found: pdflatex

    • 原因：MacTeX 没有被正确安装，或者其路径没有被添加到系统的 PATH 环境变量中。
    • 解决方案：
      1. 确保你已完成 MacTeX 的安装。
      2. 尝试关闭并重新打开终端，有时可以解决 PATH 问题。
      3. 如果仍不行，手动将 TeX Live 的路径添加到你的 shell 配置文件（如 ~/.zshrc）中：
        bash
        # 找到你的 TeX Live 版本，通常是 /usr/local/texlive/2023/
# 将下面这行添加到 ~/.zshrc 文件末尾 (年份可能不同)
export PATH="/usr/local/texlive/2023/bin/x86_64-darwin:$PATH"
# 然后运行 source ~/.zshrc

  • 问题：LaTeX Error: File 'tikz.sty' not found.

    • 原因：你的 LaTeX 发行版不完整，缺少 tikz 这个核心绘图包。
    • 解决方案：这通常是因为安装了 BasicTeX 而不是完整的 MacTeX。最简单的解决方法是卸载 BasicTeX 并重新安装完整的 MacTeX。

祝你绘图愉快！