Flowpoints：根据流程图自动生成网络模型代码的在线工具

虽然说现在有了TensorFlow以及Pytorch等各种Python的函数库可以让定义神经网络模型变得简单，但是对于网络结构以及网络层代码不熟悉的人来说，写一行代码百度半天指令也是十分的痛苦。今天给大家推荐一款在线网络结构搭建软件，只需要画好网络流程图即可自动生成网络结构代码。

Flowpoints

Flowpoints是一个开源的在线工具，用户可以用流程图的方式构建深度学习模型。通过定义神经网络中的各个节点及其节点参数，就可以快速生成深度学习模型的Python代码。网页中提供相应的代码预览工作，你只需单击复制即可将代码复制到你需要的地方，同时可以创建模型的共享链接！整个工具的工作界面如下：

工具网址

工具网址：

https://mariusbrataas.github.io/flowpoints_ml/

Github地址：

https://github.com/mariusbrataas/flowpoints_ml

使用示例

下面我们通过一个示例来简单说明该工具的使用方法，我们将创建一个用于训练CIFAR10数据集的卷积神经网络模型。模型结构如下：

首先，创建一个新模型

通过网址打开flowpoints.io网站，该网站不需要注册直接使用。网站打开后会出现一个空的用户界面。在侧边栏中选择Library-dropdown可以选择编程库TensorFlow或者Pytorch，这里我选择TensorFlow。接下来，单击Theme-dropdown并选择“orange”，这个只是设置一下编程分格，无实际作用。

其次，添加模型节点

然后单击蓝色+号按钮创建单个节点。 出现的第一个节点应该是“输入”。 这一点将用于告诉模型我们输入数据的尺寸。然后再点击+号添加其他节点，直到添加完所有模型节点。

然后，修改节点参数

上面添加的节点都是线性的，我们需要修改其节点参数来表示我们想要的模型。单击第一个节点(“input”)，然后选择侧栏中的Flowpoint选项卡。 确保“n_dims”-box设置为3，“dimension”读取为32,32,3。单击下一个节点，然后单击“图层类型” - 区域。在这里，您将更改此流程图的操作。 首先删除此字段中的所有文本，然后键入“Conv”就会出现一个类型列表，里面包括各种神经网络层类型，然后选择需要的网络层类型即可。微小的橙色和蓝色徽章表示所讨论的图层可用于哪个库。然后修改节点的参数以满足TensorFlow中的Conv2D参数要求。

最后，生成代码

单击侧栏中的“代码”选项卡就可以显示当前模型的代码。 如下图所示：

到此为止，我们完成了所有步骤也得到了模型的代码结果，你可以按照这个步骤快速生成自己的网络模型而不需要查找百度自己编写代码。如果你想要共享您的工作或将其保存以供日后使用：单击屏幕左下角的按钮中的链接共享按钮。 将弹出一个对话框，要求您输入密码。 这可用于保护您的模型。 如果要创建公共链接，只需将密码字段留空即可。如果你想要复制模型的代码，单击按钮中的复制按钮。 将弹出一个通知，告诉您代码已复制到剪贴板。