为了让caffe中的网络结构更加直观，可以使用caffe中提供的Python利用pycaffe来将其可视化，本篇主要介绍caffe中网络结构可视化的方法。这里有参考《深度学习 21天实战caffe》这本书。
一.python环境准备：
在ubuntu下配置好python接口已经有一段时间了，在配置python环境时遇到的一些问题也都记不太清了，所以在本篇文章中，不打算再对python环境进行详细的介绍，具体配置的方法网上的教程很多，在这里只简单记录一下当时自己配置python环境时参考的内容，可能也不全，可能也会遇到一些错误，不行的话，再找搜索吧。
$ sudo apt-get update
$ sudo apt-get install python-pip python-dev python-numpy
$ sudo apt-get install gfortran
$ sudo pip install -r $(CAFFE_ROOT)/python/requirements.txt
$ sudo pip install pydot
其中，倒数第二行的意思是：安装requirement里面的包，需要root权限。当时我记得在requirements.txt文件的这个地方，我遇到了一些问题，但也实在回想不到出了什么问题，如果解决，读者如果遇到什么问题实在是解决不了，可以问下我，当然本处的代码也会在以后随时更新。配置好后，会发现在caffe的python文件夹下出现了requirements.txt这个文件。
二.编译pycaffe：
上面我已提到，写这篇文章时，我都好久没有使用python接口了，但今天回过头来看，只要以前已经将python环境配置好，今后，不管隔多少天，再次使用时就简便多了，只需重新运行本文中的二和三。
$ cd caffe
$ make clean
$ make -j
$ make pycaffe
其中第一行的意思是，转到caffe的根目录下，读者如果和我的caffe根目录不同，需要改下名称。
三.绘制网络结构图：
上述内容做好以后，绘制网络结构图就不在话下了，在这里提供两个绘制网络结构图的例子，其它的只要路径写对，自我发挥完全没有问题。
$ cd caffe/python
$ python draw_net.py ../models/bvlc_reference_caffenet/train_val.prototxt caffenet.png
$ python draw_net.py ../examples/mnist/lenet_train_test.prototxt lenet5.png
可以发现，这真的没有什么，只是用了caffe中提供的draw_net.py，剩下的就是把路径写对。而运行结果图出现在了caffe的python文件夹下，在这里展示了下两个例子的运行结果，看起来是不是超级 “高” “大” “上”。
