前言

在学术论文和博客中，神经网络架构图是不可或缺的可视化工具。虽然Python的matplotlib、TensorBoard等工具可以生成网络图，但LaTeX的TikZ包提供了更精确、更美观的绘图方案。本文将详细介绍如何使用TikZ绘制专业的神经网络图，并通过一个完整的Dueling DQN网络案例来演示。

一、准备工作

1.1 环境配置

首先确保您的LaTeX环境已安装TikZ包。在文档开头添加必要的包：

\documentclass[tikz,border=2pt]{standalone}
\usetikzlibrary{fpu}    % 修复ifthenelse错误
\usetikzlibrary{math}   % 数学计算功能

`standalone`类允许我们生成独立的图片文件，`border=2pt`设置边框宽度。`fpu`库解决了某些数学运算的兼容性问题，`math`库提供了强大的数学计算功能。

1.2 基本概念

TikZ的核心思想是"用代码画图"。每个图形元素（点、线、圆等）都可以通过坐标和属性来精确控制。对于神经网络图，我们需要掌握：

- 节点绘制和定位

- 连接线绘制

- 颜色和样式设置

- 数学计算和循环

二、TikZ核心语法详解

2.1 坐标系统

TikZ使用笛卡尔坐标系，原点在左下角：

\draw (0,0) -- (2,1);  % 从(0,0)到(2,1)的直线
\filldraw (1,1) circle (0.3);  % 在(1,1)处画半径为0.3的圆

2.2 节点绘制

神经网络中的神经元通常用圆形表示：

\filldraw[line width=0.5pt, fill=blue!10] (x,y) circle (radius);

- `line width`：边框粗细

- `fill=blue!10`：填充颜色（10%蓝色）

- `circle (radius)`：圆形，指定半径

2.3 连接线绘制

层间连接用直线表示：

\draw (x1,y1) -- (x2,y2);  % 普通直线
\draw[-latex] (x1,y1) -- (x2,y2);  % 带箭头的直线

2.4 数学计算和循环

TikZ的`math`库提供了强大的数学功能：

\tikzmath{
    function paint_nodes(\radius, \gapy, \posx, \num){
        \gapy = \gapy + \radius*2;        % 计算节点间距
        \starty = \gapy*(\num-1)/2;      % 计算起始Y坐标（垂直居中）
        for \i in {0,...,\num-1}{        % 循环绘制每个节点
            \drawy = \starty - \i*\gapy; % 计算当前节点的Y坐标
            {
                \filldraw[line width=0.5pt, fill=blue!10] (\posx,\drawy) circle (\radius);
            };
        };
    };
}

1. **函数定义**：`function paint_nodes(\radius, \gapy, \posx, \num)`

   - `\radius`：节点半径

   - `\gapy`：节点间垂直间距

   - `\posx`：节点的X坐标（整层节点在同一X位置）

   - `\num`：节点数量

2. **间距计算**：`\gapy = \gapy + \radius*2`

   - 将节点半径的两倍加到间距中，确保节点不重叠

   - 例如：半径0.3，原间距0.2，则实际间距为0.8

3. **垂直居中**：`\starty = \gapy*(\num-1)/2`

   - 计算第一个节点的Y坐标，使整层节点垂直居中

   - 例如：5个节点，间距0.8，则起始Y坐标为1.6

4. **循环绘制**：`for \i in {0,...,\num-1}`

   - 从0到num-1循环，绘制每个节点

   - `\drawy = \starty - \i*\gapy`：每个节点比前一个低一个间距

5. **节点绘制**：`\filldraw[line width=0.5pt, fill=blue!10] (\posx,\drawy) circle (\radius)`

   - 在计算出的位置绘制填充的圆形节点

   - 边框0.5pt，填充10%蓝色

三、实战案例：D3QN网络图

function paint_input_nodes(\radius,\gapy,\posx,\num){
    \gapy = \gapy+\radius*2;
    \starty = \gapy*(\num-1)/2;
    for \i in {0,...,\num-1}{
        \drawy = \starty - \i*\gapy;
        {
            \filldraw[line width=0.5pt, fill=blue!10] (\posx,\drawy) circle (\radius);
        };
    };
};

这个函数实现了：自动计算节点间距 垂直居中对齐 循环绘制指定数量的节点

function paint_lines(\radius,\gapy,\posx,\num,\nextposx,\nextnum){
    \gapy = \gapy+\radius*2;              % 计算节点间距
    \starty = \gapy*(\num-1)/2;          % 当前层起始Y坐标
    \startyy = \gapy*(\nextnum-1)/2;     % 下一层起始Y坐标
    for \i in {0,...,\num-1}{            % 遍历当前层的每个节点
        \drawy = \starty - \i*\gapy;     % 当前层第i个节点的Y坐标
        for \j in {0,...,\nextnum-1}{    % 遍历下一层的每个节点
            \drawyy = \startyy - \j*\gapy; % 下一层第j个节点的Y坐标
            {
                \draw (\posx,\drawy) -- (\nextposx,\drawyy); % 绘制连接线
            };
        };
    };
};

1. **函数参数**：

   - `\radius, \gapy`：节点半径和间距（与节点绘制函数一致）

   - `\posx, \num`：当前层的X坐标和节点数量

   - `\nextposx, \nextnum`：下一层的X坐标和节点数量

2. **间距计算**：`\gapy = \gapy+\radius*2`

   - 与节点绘制函数保持一致，确保连接线从节点边缘开始

3. **两层起始坐标计算**：

   - `\starty = \gapy*(\num-1)/2`：当前层垂直居中的起始Y坐标

   - `\startyy = \gapy*(\nextnum-1)/2`：下一层垂直居中的起始Y坐标

   - 两层可能节点数不同，需要分别计算

4. **双重循环结构**：

   - **外层循环**：`for \i in {0,...,\num-1}` 遍历当前层的每个节点

   - **内层循环**：`for \j in {0,...,\nextnum-1}` 遍历下一层的每个节点

   - 这实现了**全连接**：每个节点连接到下一层的所有节点

5. **坐标计算**：

   - `\drawy = \starty - \i*\gapy`：当前层第i个节点的Y坐标

   - `\drawyy = \startyy - \j*\gapy`：下一层第j个节点的Y坐标

6. **连接线绘制**：`\draw (\posx,\drawy) -- (\nextposx,\drawyy)`

   - 从当前层节点到下一层节点绘制直线

   - 形成完整的全连接网络

**连接数量计算**：

- 如果当前层有m个节点，下一层有n个节点

- 总共需要绘制 m × n 条连接线

- 例如：7个节点连接到10个节点，需要70条连接线

**视觉效果**： 形成密集的连接网络，体现神经网络的"全连接"特性，连接线密度随层间节点数乘积增加

3.3 特殊输出层处理

D3QN的输出层需要特殊处理，因为价值函数和优势函数有不同的结构：

1. **输出结构不同**

- **普通网络**：所有输出节点均匀分布，使用`paint_lines`函数

- **Dueling DQN**：输出分为两部分，需要特殊处理

function paint_output_connections(\radius,\gapy,\fromposx,\fromnum,\toposx){
    \gapy = \gapy+\radius*2;
    \starty = \gapy*(\fromnum-1)/2;
    % 连接到价值函数节点 - **特点**：所有隐藏层节点都连接到**同一个位置**（Y=3）
    %                   - **含义**：价值函数V(s)只依赖于状态，与动作无关
    for \i in {0,...,\fromnum-1}{
        \drawy = \starty - \i*\gapy;
        {
            \draw (\fromposx,\drawy) -- (\toposx,3);
        };
    };
    % 连接到优势函数节点 - **特点**：每个隐藏层节点连接到**4个不同位置**（Y=0,-1,-2,-3）
    %                   - **含义**：优势函数A(s,a)依赖于状态和动作
    for \i in {0,...,\fromnum-1}{
        \drawy = \starty - \i*\gapy;
        for \j in {0,...,3}{
            {
                \draw (\fromposx,\drawy) -- (\toposx,\j-3);
            };
        };
    };
};