深度学习论文模型图的绘制与分享_深度学习论文作图

1 模型图的重要性

深度学习模型图是研究者沟通他们的工作、交流想法和展示创新的重要工具。了解如何绘制这些图表不仅有助于阅读论文，还能够提高你自己的研究效率。

• 可视化复杂结构：复杂的数据和概念经常通过图、图表或其他视觉元素来解释，这使得读者更容易理解

• 突出关键信息：模型图能够帮助读者快速了解研究的关键点和结论。在图形中，关键的层次、节点或连接可以被突出显示，引导读者关注研究的核心部分，而不被深陷于细节。

2 绘制深度学习模型图的基本步骤

2.1 确定模型结构

在绘制模型图之前，首先需要仔细阅读论文，理解模型的结构和各个组件的功能。确定模型的输入、输出以及中间层的连接关系。然后可以在草稿纸上先进行大概的预设计，可以参考网络模型PPT（中的结构或者其他论文的结构样式。

PPT网络模型样式（文末附）

论文网络模-选自论文《A TIME SERIES IS WORTH 64 WORDS: LONG-TERM FORECASTING WITH TRANSFORMERS 》

2.2 选择绘图工具

选择适合你的绘图工具，可以先利用python或者matlab绘制基础图，保存后再利用PPT进行加工，也可以结合visio进行绘制。PPT的强大不容忽视，还可以插入各种图案进行配图。根据自己的预设计，按照论文中的描述，一步步地在绘图工具中创建模型图。确保图表的布局清晰，组件之间的连接关系容易理解。

3 模型图的美化与注解

3.1 添加颜色与样式

使用颜色和样式突出模型中的关键部分，使整个图更具吸引力，可以参考SCI经典配色进行美化。

• 强调关键层次： 使用鲜明的颜色来强调模型中的关键层次。例如，可以使用醒目的颜色来标记输入层和输出层，使其在图中更为突出

• 色彩对比：确保所选用的颜色在整个图中有足够的对比度，以保证清晰可见。如果模型图很复杂，建议使用不同的颜色系列，以便更好地区分不同的组件

• 注意颜色搭配：注意颜色的搭配，确保整体图形色彩和谐。可以选择一种主色调，并在此基础上使用辅助颜色，以保持整体美感。尽管颜色和样式对于突出关键部分非常有帮助，但也要避免过度使用。过于繁杂的颜色和样式可能会使整个图变得混乱，降低可读性。

3.2 添加注释

在图中添加注释和必要的流程图，解释每个组件的作用，帮助读者更好地理解模型的设计思路。一般python和matlab画出基础图，然后可以插入PPT进行注释和进一步处理。

python绘制基础信号图

导入PPT中进一步加工

结语

模型图的绘制与个人经验和审美水平高度关联，当然，永远记住，文章内容是第一位，文章的图片好看程度只是锦上添花。

PPT数据获取如下：

对数据集和代码感兴趣的，可以关注最后一行

# 加载数据
import torch
from joblib import dump, load
import torch.utils.data as Data
import numpy as np
import pandas as pd
import torch
import torch.nn as nn
# 参数与配置
torch.manual_seed(100)  # 设置随机种子，以使实验结果具有可重复性
device = torch.device("cuda" if torch.cuda.is_available() else "cpu")
 
#代码和数据集：https://mp.weixin.qq.com/s?__biz=MzkxMzYxMTk3NA==&mid=2247483713&idx=1&sn=4fffa846c8c53f7ce2f99ebf8f95fbf9&chksm=c17a4ce8f60dc5fe5da53a3e4f5619b38e3561fd318ef1efd5549c274ce549498670166d0425&scene=178&cur_album_id=3193948443606794241#rd