• Logotipo
    PaperBananaGenerador de ilustraciones académicas con IA
Inicio
  • Inicio
  • Estudio
  • Generador de ilustraciones científicas
  • Creador de pósters
  • Creador de diagramas
  • Editor de figuras
  • Precios
Mis creaciones
  • Mis creaciones
  • Invitar amigos
LogotipoPaperBanana
InicioIndicacionesBlogPreciosInvitar amigos
  1. Inicio
  2. Herramientas
  3. Generador de diagramas de redes neuronales
PaperBanana

PaperBanana - Generador de ilustraciones académicas con IA

support@paperbanana.me
Todas las herramientas

Directorio de herramientas

Figuras con IA

  • Ilustración científica
  • Creador de resúmenes gráficos
  • Creador de pósteres científicos
  • Creador de diagramas científicos
  • Editor de figuras científicas
  • Indicaciones

Diagramas de investigación

  • Generador de marcos conceptuales
  • Generador de diagramas de redes neuronales
  • Generador de diagramas de flujo PRISMA
  • Generador de diagramas de flujo CONSORT

Organizadores gráficos

  • Creador de organizadores gráficos
  • Creador de modelos Frayer
  • Creador de cuadros SQA (KWL)
  • Organizador gráfico de causa y efecto
  • Creador de cuadros comparativos
  • Creador de mapas de araña
  • Creador de diagramas de trama
  • Generador de árboles sintácticos
  • Generador de diagramas de oraciones
  • Generador de cuadros de Punnett
  • Creador de diagramas de Venn

Matemáticas y física

  • Generador de árboles de factores
  • Generador de rectas numéricas
  • Creador de diagramas de cuerpo libre
  • Creador de modelos de Bohr

Visualización de datos

  • Generador de diagramas de Sankey
  • Creador de gráficos de dispersión
  • Dot Plot Maker
  • Generador de forest plots
  • Generador de gráficos en embudo
  • Generador de curvas de Kaplan-Meier
  • Generador de diagramas de caja
  • Generador de mapas de calor
  • Generador de gráficos de volcán
  • Generador de árboles filogenéticos

Imágenes y publicación

  • Comprobador de figuras para revistas
  • Conversor de formatos de imagen

© 2026 PaperBanana. Todos los derechos reservados.

Soporte

  • Acerca de
  • Blog
  • Precios
  • Contacto

Legal

  • Política de privacidad
  • Términos de servicio
  • Uso aceptable
Online · Funciona en tu navegador

Generador de diagramas de redes neuronales: convierte capas en figuras

Dibuja redes prealimentadas totalmente conectadas a partir del número de neuronas por capa. Compara arquitecturas, revisa pesos y sesgos, y exporta SVG editable, PNG o un informe CSV para artículos, presentaciones y clases.

Sin registro ni marca de aguaCompara arquitecturas y cantidades de parámetrosSVG, PNG y JSON reutilizable

Configura tu red

Una pareja Etiqueta,cantidad por línea. Usa 2–10 capas, de 1 a 10.000 neuronas por capa y etiquetas de hasta 24 caracteres.

La configuración se procesa en tu navegador. No necesitas cuenta, subir archivos a un servidor ni créditos de IA.

Vista previa de la red

Red de clasificación: Entrada, 4; Oculta 1, 6; Oculta 2, 6; Salida, 3

Recuento de toda la red

Neuronas
19
Pesos / conexiones
78
Sesgos
15
Total de parámetros
93
Desglose de parámetros
Transición entre capasMatriz de pesos (salida × entrada)Pesos / conexionesSesgosProporción de parámetros
Entrada → Oculta 16 × 424632,26%
Oculta 1 → Oculta 26 × 636645,16%
Oculta 2 → Salida3 × 618322,58%

Para capas densas adyacentes: pesos = entradas × salidas; sesgos = salidas si están activados. No se dibujan nodos de sesgo. Las dimensiones de la matriz son unidades de salida × unidades de entrada. La proporción de cada fila es la suma de sus pesos y sesgos dividida por el total de parámetros de la red.

Las líneas representan la topología, no pesos aprendidos. Ocultar conexiones no cambia el recuento de parámetros.

Esta herramienta dibuja redes prealimentadas totalmente conectadas. No entrena modelos ni importa código de PyTorch o Keras.

Compara arquitecturas de red

Fija una referencia y después edita las capas o carga otro ejemplo para ver cuánto cambia el número de parámetros.

No hay referencia fijada. Conserva aquí la red actual antes de modificar sus capas.

El CSV incluye dimensiones de capas, pesos, sesgos, totales y proporciones por transición. Si hay una referencia fijada, incluye ambas redes y las diferencias entre sus totales.

La comparación usa el tamaño completo de las capas densas, incluidos los nodos omitidos en el dibujo. Menos parámetros no garantizan mayor precisión ni inferencia más rápida. La referencia se conserva hasta que la elimines o recargues la página; JSON guarda solo la red actual.

¿Necesitas una ilustración científica para tu artículo?

Convierte tus métodos de investigación, mecanismos y flujos de trabajo en figuras claras con paper banana.

De la arquitectura a la figura

Crea un diagrama de red neuronal artificial a partir de sus capas

Un diagrama de red neuronal muestra las capas, neuronas y conexiones que definen una arquitectura. Para un perceptrón multicapa, basta con indicar el tamaño de cada capa para empezar a dibujar.

Introduce la estructura que ya conoces. La herramienta distribuye y etiqueta las capas densas y calcula pesos y sesgos por separado. El resultado sirve para explicar una arquitectura; no simula el aprendizaje.

01

Define la estructura

Nombra las capas de entrada, ocultas y de salida y establece el número de neuronas de cada una.

02

Comprueba los cálculos

Revisa cada transición entre capas antes de usar el total de parámetros en tu trabajo.

03

Conserva una fuente editable

Guarda la configuración JSON junto con SVG o PNG para modificar el diagrama más adelante.

Elige una plantilla de red neuronal artificial para tu diagrama

Todas las vistas previas se dibujan con este generador. Carga una red y modifica sus capas para adaptarla a tu arquitectura.

Para explicar con claridad

Usa un creador de diagramas de redes neuronales en investigación y docencia

Parte de una arquitectura conocida y haz que su estructura sea fácil de revisar.

Ilustración de un espacio de trabajo de aprendizaje automático con bocetos de redes

Prepara figuras de arquitectura para artículos

Los investigadores pueden convertir un modelo denso conocido en SVG editable para artículos o tesis. Comprueba tamaños y parámetros antes de adaptar la figura a las normas de la revista.

Red densa sencilla de tres capas para una diapositiva de clase

Explica las capas densas en clase

El ejemplo de regresión 3–5–1 permite explicar entrada, capas ocultas y salida. Activa o desactiva los sesgos y revisa dimensiones de matrices para mostrar de dónde procede el número de parámetros.

Autoencoder denso con codificador, capa latente y decodificador

Compara tamaños de modelos al revisar arquitecturas

Los ingenieros de ML pueden fijar una arquitectura, modificar capas ocultas o el cuello de botella y exportar ambos informes. Complementa la comparación de tamaño con evaluaciones independientes; no es una puntuación de precisión.

Crea, comprueba y reutiliza

Edita un diagrama MLP para artículos, presentaciones y revisiones

Ajusta el diagrama de un perceptrón multicapa a sus tamaños reales. Las etiquetas, conexiones y recuentos se actualizan juntos al modificar la arquitectura.

Etiqueta las capas densas con claridad para tus clases

Cambia los nombres de entrada, capas ocultas y salida, elige colores y ajusta la separación. Oculta las conexiones densas cuando quieras centrar la atención en las capas.

Crear mi diagrama de red neuronal ahora
Red de clasificación etiquetada con capas ocultas turquesa y nodos de salida dorados

Haz legibles las arquitecturas grandes

Representa una entrada de 784 unidades con ocho círculos, puntos suspensivos y el número de nodos omitidos. El tamaño completo sigue etiquetado y los cálculos incluyen todas las conexiones densas.

Crear mi diagrama de red neuronal ahora
Red densa grande con puntos suspensivos y cantidades reales de neuronas

Conserva figuras editables e informes para futuras revisiones

Descarga SVG para edición vectorial o PNG para documentos y presentaciones. Guarda JSON para reabrir la red actual y exporta dimensiones, pesos, sesgos y proporciones en CSV para tus notas de experimentos.

Crear mi diagrama de red neuronal ahora
Vista vectorial de un autoencoder denso con estructura de capas editable
Comprueba antes de publicar

Compara arquitecturas de redes neuronales y revisa cada parámetro

Fija la arquitectura actual como referencia, cambia las capas y examina las diferencias en pesos, sesgos y totales. Abre el desglose para ver qué transiciones concentran más parámetros.

Mantén una referencia mientras editas

Fija el clasificador 4–6–6–3 con sesgos y carga el ejemplo de regresión 3–5–1. El total pasa de 93 a 26 parámetros: 67 menos, una reducción del 72,04 %. Se compara tamaño, no calidad predictiva.

Revisa dimensiones de matrices y proporciones

Cada transición muestra su matriz de pesos como unidades de salida × unidades de entrada y su proporción de parámetros. Los cálculos usan tamaños completos incluso cuando se abrevia una capa grande.

Exporta un informe de comparación verificable

Descarga un CSV con dimensiones, pesos, sesgos, parámetros y proporciones por transición. Si hay referencia, incluye ambas arquitecturas, sus ajustes de sesgo y las diferencias entre totales.

Diagrama de clasificación con 78 pesos y 15 sesgos
Fija 4–6–6–3 y carga 3–5–1: 93 → 26 parámetros (−72,04 %).Comparación de tamaño reproducible

Menos dibujo, más explicación

Revisa tu diagrama de arquitectura neuronal sin empezar de cero

Conserva el diagrama junto con su configuración.

Vista previa en directo

Modifica la arquitectura rápidamente

Cambia el número de neuronas o añade una capa oculta y el dibujo y la tabla de parámetros se actualizarán juntos.

Dos formatos de imagen

Elige el formato adecuado

SVG conserva líneas nítidas y etiquetas editables. PNG resulta práctico para documentos, presentaciones y compartir imágenes.

Reabre tus ajustes

Retoma la misma configuración

Descarga el JSON y vuelve a cargarlo cuando un revisor solicite cambios en la figura de arquitectura.

Un proceso sencillo

Cómo dibujar un diagrama de red neuronal online

Pasa de una lista de capas a una figura descargable en cuatro pasos.

01

Elige una plantilla de red neuronal

Carga un clasificador, una red de regresión, un autoencoder denso o una red grande abreviada.

02

Introduce y ajusta las capas densas

Escribe Etiqueta,cantidad en cada línea, separadas por coma. La primera capa es la entrada y la última es la salida.

03

Compara arquitecturas y comprueba parámetros

Fija una referencia antes de cambiar capas. Compara totales, dimensiones de matrices y proporciones por transición y ajusta los sesgos.

04

Exporta el diagrama y el informe

Descarga SVG o PNG y el informe CSV. Guarda JSON para reabrir la red actual; la referencia de comparación se conserva solo hasta recargar la página.

Generar diagrama de red neuronal ahora
Ejemplo de clasificación de PaperBanana con cuatro capas densas, listo para exportar como SVG o PNG
Las imágenes incluyen el diagrama, los tamaños de capa y un resumen de parámetros.

Continúa preparando tus figuras

Explora otras herramientas de diagramas

Utilízalas para figuras relacionadas o para el archivo final.

Ver todas las herramientas
Ejemplo de diagrama científico

Creador de diagramas científicos

Área de trabajo del editor de figuras científicas

Editor de figuras científicas

Vista previa del verificador de figuras para revistas

Verificador de figuras para revistas

Vista previa del conversor de imágenes

Conversor de formatos de imagen

Antes de dibujar

Preguntas sobre el generador de diagramas neuronales

¿Cómo dibujo una red neuronal online a partir de los tamaños de capa?+

Introduce una pareja Etiqueta,cantidad por línea, por ejemplo Input,4, Hidden,6 y Output,3. Usa 2–10 capas con 1–10.000 neuronas cada una. La vista previa se actualiza cuando la lista es válida. Elige colores y separación, comprueba los valores y descarga SVG o PNG sin escribir código de dibujo.

¿Qué puedo exportar con este generador de diagramas neuronales online?+

Exporta diagramas SVG y PNG, informes de parámetros CSV y configuraciones JSON para editarlas después. No necesitas cuenta, no hay marca de agua ni créditos de IA. Configura capas densas, carga cuatro ejemplos, revisa cambios y compara arquitecturas. Los cálculos y las exportaciones se realizan en tu navegador.

¿Qué modelos admite este generador de diagramas de arquitecturas neuronales?+

La herramienta dibuja redes prealimentadas totalmente conectadas, incluidos MLP y autoencoders densos. Para núcleos de convolución y mapas de características necesitas un generador específico de redes convolucionales. Esta versión no dibuja arquitecturas CNN, RNN o Transformer, no entrena modelos ni importa código de PyTorch o Keras.

¿Cómo calcula los pesos y sesgos el contador de parámetros?+

Para cada par de capas densas adyacentes, multiplica unidades de entrada por unidades de salida para contar pesos. Si activas sesgos, añade uno por unidad de salida. La tabla muestra dimensiones salida × entrada y proporciones. No incluye convolución, pesos compartidos, normalización, conexiones recurrentes ni atención.

¿Cómo comparo arquitecturas neuronales y exporto un informe de parámetros?+

Fija la red actual como referencia y después edita capas o carga otro ejemplo. Compara pesos, sesgos, totales y variación porcentual. Descarga CSV para conservar ambas arquitecturas, dimensiones, proporciones y diferencias totales. Una cantidad menor de parámetros no demuestra mayor precisión ni una inferencia más rápida.

¿Cómo se muestran las redes grandes sin perder los recuentos completos?+

Las capas con más de ocho neuronas muestran ocho círculos, puntos suspensivos y el número omitido. Las etiquetas y estadísticas mantienen los tamaños reales. Por ejemplo, 784–128–64–10 tiene 109.184 pesos más 202 sesgos activados, aunque solo aparecen 32 círculos en el diagrama completo de la red.

¿Cómo exporto un diagrama para artículos, presentaciones o LaTeX?+

Descarga SVG para obtener formas y etiquetas vectoriales editables, o PNG al doble de las dimensiones del diagrama para documentos y presentaciones. En LaTeX, usa PNG o convierte SVG a un formato compatible con tu entorno. La herramienta no exporta PDF, TikZ ni código fuente LaTeX.

¿Cómo guardo una red neuronal para editarla más adelante?+

Guarda JSON para conservar las capas, etiquetas, título, colores, separación, sesgos y visibilidad de conexiones de la red actual. Carga ese archivo para restaurarla. La referencia fijada no se incluye: desaparece al eliminarla o recargar la página. Descarga el CSV de comparación antes de salir.

Tu próxima figura de arquitectura

Crea un diagrama de red neuronal que puedas comprobar y revisar

Introduce los tamaños de las capas densas, compara otra arquitectura y exporta una figura etiquetada con su informe de parámetros. La configuración y los cálculos se procesan en tu navegador.

Crear diagrama de red neuronal ahora