小知识，大挑战！本文正在参与“程序员必备小知识”创作活动。

Keras是由纯python编写的基于theano/tensorflow的深度学习框架。Keras是一个高层神经网络API，支持快速实验，能够把你的idea迅速转换为结果。当我们通过代码去理解一个模型的网络结构的时候，对于比较复杂的结构不太好理解，但如果将这个结构以图片的形式展示，对于我们能比较直观、快速的理解，这篇文章就利用Keras框架绘制出Bi-LSTM模型的网络结构。

一、前期相关准备

1、安装pydot

pip install pydot

2、安装graphviz

graphviz需要在官网安装:graphviz graphviz.org/

安装后需要添加程序所在目录的bin文件夹加入系统变量

二、编写代码

1、导入相关包

load_model：用于加载网络模型

CRF：网络模型中存在CRF模型层

plot_model：生成网络模型结构，并将其保存为图片

pyplot ：加载网络模型结构图片

from keras.models import load_model
from keras_contrib.layers import CRF
from keras.utils.vis_utils import plot_model
import matplotlib.pyplot as plt

2、生成网络模型结构

plot_model接口参数：

to_file：网络模型结构图片存储路径和名称

show_shapes：是否显示形状（神经层输入和输出）

show_layer_names：是否显示神经层的名称

rankdir：神经层之间的方向，“TB”代表上下，“LR”代表左右

model_path = "./model/ch_ner_model.h5"
# 模型文件
model = load_model(model_path, custom_objects={'CRF': CRF}, compile=False)
plot_model(model,to_file='./model/nerbilstm.png',show_shapes=True,show_layer_names='False',rankdir="TB")

3、加载网络模型结构

使用matplotlib包中的pyplot方法，将生成的网络模型结构图片加载出来。

plt.figure(figsize=(10,10))
img = plt.imread("./model/nerbilstm.png")
plt.imshow(img)
plt.axis("off")
plt.show()

Keras之绘制网络结构