각 층의 뉴런 수로 완전연결 순전파 신경망을 그립니다. 구조를 비교하고 가중치와 편향을 확인한 뒤, 논문·발표·수업에 사용할 편집 가능한 SVG, PNG 또는 CSV 매개변수 보고서를 내보내세요.
한 줄에 이름,개수를 쉼표로 구분해 입력하세요. 2–10개 층, 층당 뉴런 1–10,000개, 이름은 최대 24자까지 지원합니다.
설정은 브라우저에서 처리됩니다. 계정, 업로드, AI 크레딧이 필요하지 않습니다.
| 층 간 연결 | 가중치 행렬(출력 × 입력) | 가중치 / 연결 | 편향 | 매개변수 비중 |
|---|---|---|---|---|
| 입력층 → 은닉층 1 | 6 × 4 | 24 | 6 | 32.26% |
| 은닉층 1 → 은닉층 2 | 6 × 6 | 36 | 6 | 45.16% |
| 은닉층 2 → 출력층 | 3 × 6 | 18 | 3 | 22.58% |
인접한 완전연결층의 가중치 수 = 입력 수 × 출력 수입니다. 편향을 켜면 편향 수 = 출력 수이며, 편향 노드는 그리지 않습니다. 행렬 차원은 출력 유닛 수 × 입력 유닛 수입니다. 각 행의 비중은 해당 가중치와 편향의 합을 전체 매개변수 수로 나눈 값입니다.
선은 연결 구조를 나타내며 학습된 가중치 값이 아닙니다. 연결을 숨겨도 매개변수 수는 바뀌지 않습니다.
완전연결 순전파 신경망을 그리는 도구입니다. 모델 학습이나 PyTorch/Keras 코드 가져오기는 지원하지 않습니다.
기준 구조를 고정한 다음 층을 수정하거나 다른 예제를 불러와 매개변수 수의 변화를 확인하세요.
고정된 기준이 없습니다. 층을 수정하기 전에 현재 신경망을 여기에 보관하세요.
CSV에는 층 차원, 가중치, 편향, 총 매개변수와 연결별 비중이 포함됩니다. 기준을 고정하면 두 신경망과 총수의 차이도 포함됩니다.
비교에는 생략 표시된 노드를 포함한 전체 완전연결층 크기를 사용합니다. 매개변수가 적다고 정확도가 높거나 추론이 빠른 것은 아닙니다. 기준은 해제하거나 페이지를 새로고침할 때까지 유지되며, JSON은 현재 신경망만 저장합니다.
paper banana로 연구 방법, 메커니즘, 워크플로를 명확한 과학 그림으로 만들어 보세요.
구조를 다이어그램으로
신경망 다이어그램은 구조를 이루는 층, 뉴런, 연결을 보여줍니다. 다층 퍼셉트론은 각 층의 뉴런 수만 있으면 그리기를 시작할 수 있습니다.
알고 있는 구조를 입력하면 완전연결층을 배치하고 이름을 표시하며 가중치와 편향을 따로 계산합니다. 구조를 설명하는 그림이며 학습 과정을 시뮬레이션하지 않습니다.
입력층, 은닉층, 출력층의 이름과 각 층의 뉴런 수를 설정합니다.
논문이나 보고서에 총 매개변수 수를 사용하기 전에 각 층 간 연결을 확인합니다.
SVG 또는 PNG와 함께 JSON 설정을 저장하면 나중에 그림을 수정할 수 있습니다.
모든 미리보기는 이 생성기로 그렸습니다. 예제를 불러와 자신의 구조에 맞게 층을 변경하세요.
명확한 설명을 위한 도구
알고 있는 구조를 확인하기 쉬운 그림으로 바꿉니다.
연구자는 기존 완전연결 모델을 편집 가능한 SVG로 만들어 논문이나 학위논문에 쓸 수 있습니다. 학술지 양식에 맞추기 전에 층 크기와 매개변수 보고서를 확인하세요.
3–5–1 회귀 예제로 입력층, 은닉층, 출력층을 설명할 수 있습니다. 편향을 켜고 끄며 행렬 차원을 확인해 매개변수 수가 계산되는 과정을 보여주세요.
ML 엔지니어는 기준 구조를 고정하고 은닉층이나 병목층을 수정한 뒤 두 보고서를 내보낼 수 있습니다. 규모 비교는 별도의 모델 평가와 함께 사용하며 정확도 점수로 해석하지 마세요.
그리기 · 확인 · 재사용
실제 층 크기에 맞춰 다층 퍼셉트론 그림을 조정합니다. 구조를 수정하면 이름, 연결, 통계가 함께 갱신됩니다.
입력층, 은닉층, 출력층 이름과 색상, 간격을 바꿀 수 있습니다. 층 구조에 집중해야 할 때는 복잡한 연결을 숨기세요.
지금 신경망 다이어그램 만들기
784유닛 입력층을 원 8개, 생략 기호, 생략 개수로 표현합니다. 전체 뉴런 수는 표시되며 모든 완전연결을 매개변수 계산에 포함합니다.
지금 신경망 다이어그램 만들기
벡터 편집에는 SVG, 슬라이드와 문서에는 PNG를 다운로드하세요. JSON으로 현재 신경망을 다시 열고, 행렬 차원·가중치·편향·비중이 담긴 CSV를 실험 기록에 보관할 수 있습니다.
지금 신경망 다이어그램 만들기현재 구조를 기준으로 고정하고 층을 변경해 가중치, 편향, 총 매개변수의 차이를 확인하세요. 상세 내역을 열면 어느 층 간 연결이 가장 큰 비중을 차지하는지 볼 수 있습니다.
편향이 켜진 4–6–6–3 분류 신경망을 기준으로 고정한 뒤 3–5–1 회귀 예제를 불러오세요. 매개변수가 93개에서 26개로, 67개(72.04%) 감소합니다. 예측 성능이 아닌 규모 비교입니다.
각 연결의 가중치 행렬 차원(출력 유닛 × 입력 유닛)과 전체 매개변수에서 차지하는 비중을 표시합니다. 큰 층을 생략해도 계산에는 실제 크기를 사용합니다.
연결별 차원, 가중치, 편향, 매개변수 수와 비중을 CSV로 다운로드합니다. 기준이 있으면 두 구조와 각 편향 설정, 총수의 차이도 포함됩니다.
다시 그리는 시간을 줄이고 설명에 집중
그림과 원래 설정을 함께 보관하세요.
뉴런 수를 변경하거나 은닉층을 추가하면 그림과 매개변수 표가 함께 갱신됩니다.
SVG는 선명한 선과 편집 가능한 이름표를 유지하고, PNG는 문서·슬라이드·공유에 편리합니다.
JSON을 저장해 두면 심사자가 구조도 수정을 요청할 때 다시 불러올 수 있습니다.
간단한 작업 순서
네 단계로 층 목록을 다운로드 가능한 그림으로 바꿉니다.
분류, 회귀, 완전연결 오토인코더 또는 대규모 신경망 예제를 불러옵니다.
한 줄에 이름,개수를 쉼표로 구분해 입력합니다. 첫 층은 입력층, 마지막 층은 출력층입니다.
층을 바꾸기 전에 기준을 고정합니다. 총수, 행렬 차원, 연결별 비중을 확인하고 편향 설정을 조정합니다.
SVG 또는 PNG와 CSV 보고서를 다운로드합니다. JSON은 나중에 현재 신경망을 다시 열 때 사용합니다. 비교 기준은 페이지를 새로고침하기 전까지만 유지됩니다.
연구 그림 작업 이어가기
주변 그림이나 최종 내보내기 작업에 활용하세요.
그리기 전에 알아둘 점
한 줄에 이름,개수를 입력하세요. 예를 들어 Input,4와 Hidden,6, Output,3을 각각 다른 줄에 씁니다. 2–10개 층, 층당 뉴런 1–10,000개를 지원합니다. 올바른 목록을 입력하면 미리보기가 갱신됩니다. 색상과 간격을 선택하고 수치를 확인한 뒤 코드 없이 SVG 또는 PNG로 다운로드할 수 있습니다.
SVG·PNG 그림, CSV 매개변수 보고서, 나중에 편집할 JSON 설정을 내보낼 수 있습니다. 계정이나 AI 크레딧이 필요 없고 워터마크도 없습니다. 완전연결층 구성, 네 가지 예제, 미리보기, 구조 비교를 지원하며 계산과 내보내기는 브라우저에서 실행됩니다.
MLP와 완전연결 오토인코더를 포함한 완전연결 순전파 신경망을 그립니다. 합성곱 커널과 특징 맵에는 전용 합성곱 신경망 그림 도구가 필요합니다. 현재 버전은 CNN, RNN, Transformer 구조 그리기, 모델 학습, PyTorch·Keras 코드 가져오기를 지원하지 않습니다.
인접한 완전연결층마다 입력 유닛 수 × 출력 유닛 수로 가중치를 계산합니다. 편향을 켜면 출력 유닛당 편향 하나를 더합니다. 표에는 출력 × 입력 행렬 차원과 비중이 표시됩니다. 합성곱, 가중치 공유, 정규화, 순환 연결, 어텐션은 집계 대상이 아닙니다.
현재 신경망을 기준으로 고정한 다음 층을 수정하거나 다른 예제를 불러옵니다. 가중치, 편향, 총 매개변수와 변화율을 비교할 수 있습니다. CSV에는 두 구조, 층 차원, 비중, 총수 차이가 저장됩니다. 매개변수가 적다고 정확도가 높거나 추론이 빠르다는 뜻은 아닙니다.
뉴런이 8개보다 많은 층은 원 8개, 생략 기호, 생략 개수로 표시합니다. 이름표와 통계에는 실제 전체 크기를 사용합니다. 예를 들어 편향을 켠 784–128–64–10은 가중치 109,184개와 편향 202개를 가지며, 화면에는 원 32개만 나타납니다.
SVG는 벡터 도형과 이름표를 편집할 수 있고, PNG는 그림 크기의 두 배로 내보내 문서나 슬라이드에 사용할 수 있습니다. LaTeX에서는 PNG를 사용하거나 SVG를 환경에서 지원하는 형식으로 변환하세요. PDF, TikZ, LaTeX 소스 코드는 내보내지 않습니다.
JSON에 현재 층 목록, 이름표, 제목, 색상, 간격, 편향, 연결 표시 설정을 저장하고 다시 불러와 복원합니다. 고정한 비교 기준은 JSON에 포함되지 않으며, 해제하거나 페이지를 새로고침하면 사라집니다. 페이지를 떠나기 전에 비교 CSV를 다운로드하세요.
다음 구조도 준비
완전연결층 크기를 입력하고 다른 구조와 비교한 뒤 이름표가 있는 그림과 매개변수 보고서를 내보내세요. 설정과 계산은 브라우저에서 처리됩니다.
