第一个ConvNetDraw： 两颗星**
https://cbovar.github.io/ConvNetDraw/

在线的，不过只能绘制这种简单的图，可以增加卷积层，池化啥的，左边可以选择调节角度，

第二个CNN Convoluter：两颗星**
https://pwwang.github.io/cnn-convoluter/

也是一个在线的网址，左边选择hide data 也就是不隐藏数据，在input中输入padding的大小，右边图中就会显示出来，在设置卷积核的尺寸 就可以动态的看到output的过程。缺点是只能是这种固定的平面的卷积操作。

第三个Netron 三颗星***
https://lutzroeder.github.io/netron/
在线的网址，
https://github.com/lutzroeder/netron
也可以在github上下载对应的版本，不过建议网页版就可以查看网络的模型结构图，点击open model 然后在自己的项目中寻找以H5结尾的文件，就可以选择打开了，效果如下：


只不过这种输出太长，可以调整方向横着看，Netron是一个神经网络可视化包，支持绝大多数神经网络操作。该功能包可以为不同节点显示不同的颜色，卷积层用蓝色显示，池化层和归一化层用绿色显示，数学操作用黑色显示。

第四个NN-SVG： 五颗星*****
https://github.com/alexlenail/NN-SVG
NN-SVG是由来麻省理工学院弗兰克尔生物工程实验室开发的。可以绘制的图包括以节点形式展示的FCNN style，这个特别适合传统的全连接神经网络的绘制。

以平铺网络结构展示的LeNet style，用二维的方式，适合查看每一层featuremap的大小和通道数目。

以三维block形式展现的AlexNet style，可以更加真实地展示卷积过程中高维数据的尺度的变化，目前只支持卷积层和全连接层。

这个工具的优势是操作方便，通过交互式界面直接控制各层增减及变化，支持三种风格，选择空间大，支持SVG格式下载。缺陷是定制化程度低，各连接层不是很好看。

目前支持这三种方式：


可调节连接边的透明度、粗细、正负样本的颜色表示，节点的颜色和大小，是否显示偏置、标签等，输入节点、隐藏节点和输出节点的个数。

用于mnist手写字体识别的经典模型，算是CNN鼻祖模型，除了展示的颜色、线条粗细等属性，还可以设置网络结构每一层的通道、特征宽度高度、卷积核大小。

2012年Imagenet冠军模型，掀起深度学习热潮的结构。

第五个是PlotNeuralNet：

Github地址：https://github.com/HarisIqbal88/PlotNeuralNet
PlotNeuralNet是由萨尔大学计算机科学专业的一个学生开发的。目前主要支持的是卷积神经网络，其中卷积层、池化层、bottleneck、skip-connection、up-conv、Softmax等常规的层在代码中都有定义，但是缺少RNN相关的可视化层展示。

代码用Python编写，需要调用LaTex输出PDF格式文档。需要说明的是，该软件在Windows下运行会有很多报错，在Ubuntu系统下则运行正常。接下来我们先看看示例效果。
PlotNeuralNet的使用方法非常简单，将项目克隆下来之后，想用什么结构，就从PlotNeural里找对应的模块，然后将它们拼接起来就好了。

这个有点复杂啊，代码的 不懂。。
上面的绘图，属于娱乐，真要手绘制自己的神经网络架构图还是要自己画图了，
最后就是万能的ppt画图了，还没学 ，下回补充。