夜雨聆风📌 导读：无论是写论文配图、做技术汇报，还是调试模型结构，一张清晰的AI模型架构图都至关重要。本文精选10款最实用的开源工具，覆盖论文出版级绘图、模型文件可视化、系统架构图绘制三大场景，每款均附官网样例图、输入形式与选型建议，助你3分钟找到最趁手的画图利器。
No.1 PlotNeuralNet
LaTeX/TikZ驱动的论文级神经网络架构图生成器
核心特点：
• 基于LaTeX/TikZ编译，输出高质量矢量PDF，学术论文配图的首选工具
• 提供Python接口（tikzeng.py），用to_Conv、to_Pool、to_SoftMax等函数链式定义网络结构
• 3D等距视角方块/棱柱表示各层，层间箭头连接，视觉效果专业精美
• 内置FCN-8、FCN-32、Holistically-Nested Edge Detection等经典网络示例
• 支持Conv、Pool、SoftMax、Sum等层类型及残差块（res block）
输入形式：Python源代码（用tikzeng.py编写网络定义代码，无需模型文件）
PlotNeuralNet生成的FCN-8网络架构图（来源：GitHub官方README）
官网链接：https://github.com/HarisIqbal88/PlotNeuralNet
No.2 Netron
支持40+模型格式的交互式模型可视化查看器
核心特点：
• 直接解析已训练/已定义的模型文件，自动生成计算图，无需手动绘制
• 支持ONNX、TensorFlow Lite、PyTorch、TorchScript、Keras、Caffe、Core ML、Safetensors等40+格式
• 多平台可用：浏览器版（netron.app）、macOS、Linux、Windows桌面版、Python pip安装
• 交互式GUI：点击节点查看张量形状、属性、权重等详细信息
• 最新版v9.1.0（2026年5月），10000+次提交，社区极其活跃
输入形式：模型文件（支持 .pth、.pt、.onnx、.h5、.pb 等40+格式）
Netron模型可视化界面截图（来源：GitHub官方README）
官网链接：https://github.com/lutzroeder/netron
No.3 NN-SVG
浏览器端参数化生成出版级神经网络架构示意图
核心特点：
• 纯前端工具，无需安装，浏览器直接使用，支持导出SVG矢量图
• 提供三种绘图风格：FCNN全连接风格（D3.js）、LeNet风格CNN（D3.js）、AlexNet风格3D立体层（Three.js）
• 丰富的样式参数：节点尺寸、颜色、间距、布局均可自定义调整
• 有配套发表的学术论文（JOSS期刊），学术认可度高
• 最新提交2026年6月，仍有维护更新
输入形式：网页参数配置（无需模型文件或代码，直接调整参数生成）
NN-SVG生成的FCNN全连接神经网络架构图（来源：NN-SVG官网）
官网链接：https://github.com/alexlenail/NN-SVG
在线工具：https://alexlenail.me/NN-SVG/
No.4 Keras plot_model
Keras内置的一行代码模型架构图导出工具
核心特点：
• Keras框架内置工具，plot_model()一行代码导出模型结构图，零额外安装成本
• 基于pydot + Graphviz渲染，支持show_shapes显示张量形状、show_dtype显示数据类型
• 支持show_layer_activations显示激活函数、show_trainable标记可训练层
• rankdir参数支持TB垂直/LR水平布局，expand_nested展开嵌套Functional模型
• 完美处理多输入/多输出、残差连接、共享层等复杂拓扑结构
• 随Keras 3.15.0持续维护更新，Apache 2.0开源协议
输入形式：Python源代码 / Keras模型对象（需要在代码中定义模型）
Keras plot_model生成的模型架构图（来源：Keras官方功能API指南）
代码示例：
from keras.utils import plot_model
plot_model(model, "model.png", show_shapes=True, show_layer_activations=True)
API文档：https://keras.io/api/utils/model_plotting_utils/
No.5 Torchviz
PyTorch autograd计算图可视化工具
核心特点：
• 轻量级Python包，pip install torchviz即可使用，专为PyTorch设计
• 核心函数make_dot()根据autograd计算图生成Graphviz表示，展示前向/反向传播流程
• show_attrs=True显示autograd属性，show_saved=True显示反向传播保存的中间张量
• 节点按参数/变量/操作分类着色，直观区分不同类型的计算节点
• 提供Google Colab在线示例notebook，即开即用
• MIT开源协议，2024年12月仍有更新
输入形式：Python源代码 / PyTorch模型对象（需要前向传播一次生成计算图）
Torchviz生成的PyTorch计算图（来源：GitHub官方README）
官网链接：https://github.com/szagoruyko/pytorchviz
No.6 Graphviz
经典图可视化引擎，Keras/Torchviz的底层基石
核心特点：
• 用简单DOT文本语言描述图结构，自动布局生成PNG/SVG/PDF，20+年历史的老牌工具
• 多种布局引擎：dot（有向分层）、neato、fdp、sfdp（大规模图）、twopi、circo
• Keras的model_to_dot/plot_model底层即调用Graphviz，Torchviz同样基于此引擎
• 官方画廊提供神经网络架构图示例（Keras多输入多输出模型），可直接参考
• 支持颜色、字体、表格节点、集群、渐变等丰富样式
• 最新版Graphviz 15.0.0，持续活跃维护
输入形式：DOT文本描述（需要手动编写DOT语法代码）
Graphviz生成的Keras多输入多输出神经网络架构图（来源：官方画廊）
Graphviz官网：https://graphviz.org/
神经网络示例：https://graphviz.org/Gallery/directed/neural-network.html
No.7 Mermaid.js
GitHub 89K Stars的文本转图神器
核心特点：
• 基于JavaScript的文本转图库，用类Markdown语法描述图表，浏览器端实时渲染为SVG
• v11.1.0+新增architecture-beta架构图语法，专为服务-资源关系设计
• 内置cloud/database/disk/internet/server图标，可通过iconify.design扩展20万+图标
• v11.3.0+新增30种流程图形状（圆柱数据库、文档、存储、决策菱形等）
• 广泛集成于GitHub、GitLab、Notion、Obsidian、VSCode等平台
• 最新版v11.16.0（2026年6月），社区极其活跃
输入形式：Mermaid文本语法（类Markdown的文本描述，无需模型文件）
Mermaid.js生成的CNN模型架构流程图（来源：Mermaid.js渲染）
Mermaid.js官网：https://mermaid.js.org/
在线编辑器：https://mermaid.live/edit
No.8 D2
现代声明式图表语言，专为软件架构图设计
核心特点：
• 用Go编写的新一代文本转图语言，CLI将.d2文本渲染为SVG/PNG/PDF
• 专为软件架构图设计：内置容器（形状嵌套）、TALA新型布局引擎（专为架构图优化）
• 生产级主题：由专业设计师设计的多套主题，开箱即用适配博客/wiki/演示
• 唯一能从文本生成动画图的图表语言，style.animated: true支持形状动画
• 支持LaTeX、代码高亮、Markdown、SQL表格、UML类图、时序图、C4模型
• VSCode/Vim官方扩展、watch模式、Obsidian/Slack/Discord插件，生态丰富
• 被ElasticSearch、Sourcegraph、Temporal等知名开源项目用于文档
• 最新版v0.7.1（2025年8月），5000+次提交
输入形式：D2文本语法（声明式描述，无需模型文件）
D2生成的AI模型服务架构图（来源：D2渲染）
D2官网：https://d2lang.com/
GitHub仓库：https://github.com/terrastruct/d2
No.9 draw.io / diagrams.net
隐私优先的GUI拖拽式绘图工具
核心特点：
• 安全优先的GUI拖拽式绘图工具，无需登录注册，数据可存到本地/Drive/GitHub等任意位置
• 内置丰富云架构图标库：AWS（含3D/等距形状）、Azure、GCP、IBM等，开箱即用
• 支持实时协同（共享光标）、UML全套、BPMN、C4模型、流程图、思维导图、网络拓扑
• 广泛集成：Google Workspace、Microsoft Teams、Atlassian Confluence/Jira、GitHub/GitLab
• 支持AI（OpenAI）生成图表，导出PNG/SVG/JPEG/PDF/VSDX
• 图表文件为开放XML格式.drawio，可版本管理
• 最新版v30.0.4（2026年5月），release极频繁，活跃度极高
输入形式：GUI拖拽操作（无需模型文件或代码，手动绘制）
draw.io AI模型训练流水线架构图示例（来源：draw.io风格渲染）
draw.io官网：https://www.diagrams.net/
示例图库：https://www.drawio.com/example-diagrams
No.10 Excalidraw
手绘风格无限画布白板，论文概念图的文艺之选
核心特点：
• 开源虚拟手绘风格白板，支持实时协作和端到端加密
• 独特的手绘美学风格，非常适合论文/演示中的模型架构概念图
• 无限画布白板，支持暗色模式，PWA离线工作
• 丰富工具集：矩形、圆形、菱形、箭头、线条、自由绘制、橡皮擦
• 导出PNG/SVG/.excalidraw JSON开放格式
• 被Google Cloud、Meta、CodeSandbox、Obsidian、Notion等集成使用
• 最新版v0.18.1（2026年4月），4000+次提交，极其活跃
输入形式：GUI手绘操作（无需模型文件或代码，手动绘制）
Excalidraw手绘风格图表展示（来源：GitHub官方README）
Excalidraw官网：https://excalidraw.com/
GitHub仓库：https://github.com/excalidraw/excalidraw
横向对比一览
| 工具 | 类型 | 输入形式 | 输出格式 | 最佳场景 | 维护状态 |
|---|---|---|---|---|---|
| PlotNeuralNet | 代码定义 | Python源码 | PDF/LaTeX | 论文配图 | 停滞 |
| Netron | 模型解析 | .pth/.onnx 等 | 交互式Web | 模型调试 | 非常活跃 |
| NN-SVG | 参数化Web | 参数配置 | SVG | 论文配图 | 低频维护 |
| Keras plot_model | 框架内置 | Python源码 | PNG/SVG | Keras模型 | 活跃 |
| Torchviz | 框架内置 | Python源码 | PNG/PDF | PyTorch调试 | 低频维护 |
| Graphviz | 文本转图 | DOT文本 | PNG/SVG/PDF | 计算图/通用 | 活跃 |
| Mermaid.js | 文本转图 | Mermaid文本 | SVG | 系统架构 | 非常活跃 |
| D2 | 文本转图 | D2文本 | SVG/PNG/PDF | 软件架构 | 中等 |
| draw.io | GUI拖拽 | 手动绘制 | PNG/SVG/PDF | 云架构图 | 非常活跃 |
| Excalidraw | 手绘白板 | 手动绘制 | PNG/SVG | 概念图 | 非常活跃 |
选型建议
🏫 论文配图场景：首选 PlotNeuralNet（3D等距视角，学术范十足），次选 NN-SVG（参数化调整，SVG矢量输出）。
🔍 模型调试场景：首选 Netron（支持40+格式，直接打开.pth/.onnx文件），Keras用户用 plot_model，PyTorch用户用 Torchviz。
🏗 系统架构场景：文本驱动选 Mermaid.js 或 D2；拖拽式选 draw.io（内置AWS/GCP图标库）。
🎨 概念展示场景：选 Excalidraw，手绘风格让模型架构图更有亲和力。
结语
工欲善其事，必先利其器。10款工具各有侧重：PlotNeuralNet和NN-SVG负责论文配图的精致呈现，Netron、Keras plot_model和Torchviz负责模型调试的可视化分析，Mermaid、D2和Graphviz负责文本驱动的快速出图，draw.io负责GUI拖拽的精细调整，Excalidraw负责概念图的文艺表达。
实际工作中，建议组合使用：手上有.pth/.onnx模型文件就用 Netron 直接可视化；需要从代码生成就用 Keras plot_model 或 Torchviz；要论文级精美配图就用 PlotNeuralNet 或 draw.io 精修。
本文由「算法牛马」整理，转载请注明出处。
