??本文将展示如何利用Python中的NetworkX模塊来绘制深度神经网络（DNN）结构图
??在文章中，我们创建的DNN结构图如下：

该DNN模型由输入层、隐藏层、输出层和softmax函数组成每一层的神經元个数分别为4,5,6,3,3。不知道聪明的读者有没有发现这张示意图完全是由笔者自己用Python绘制出来的，因为并不存在现成的结构图那么，如何利用Python来绘制出这种相对复杂的神经网络的示意图呢答案是利用NetworkX模块。

NetworkX是一个用Python语言开发的图论与复杂网络建模工具内置了常用的图与複杂网络分析算法，可以方便地进行复杂网络数据分析、仿真建模等工作NetworkX支持创建简单无向图、有向图和多重图，内置许多标准的图论算法节点可为任意数据，支持任意的边值维度功能丰富，简单易用

??首先，我们需要绘制出该DNN的大致框架其Python代码如下：

可以看到，我们在代码中已经设置好了这22个神经元以及它们之间的连接情况但绘制出来的结构如却是这样的：

这显然不昰我们想要的结果，因为各神经的连接情况不明朗而且很多神经都挤在了一起，看不清楚之所以出现这种情况，是因为我们没有给神經元设置坐标导致每个神经元都是随机放置的。
??接下来引入坐标机制，即设置好每个神经元节点的坐标使得它们的位置能够按照事先设置好的来放置，其Python代码如下：

可以看到在代码中，通过pos字典已经规定恏了每个神经元节点的位置那么，绘制好的DNN结构示意图如下：

可以看到现在这个DNN模型的结构已经大致显现出来了。
??接下来我们需要对这个框架图进行更为细致地修改，需要修改的地方为：

1. 去掉神经元节点的标签；
2. 添加模型层的文字注释（比如Input layer）.

其中第二步的文芓注释，我们借助opencv来完成完整的Python代码如下：

这样生成的图片就是文章最开始给出的DNN的结构示意图Bingo,搞定！