用Python绘制3D神经网络:一段代码的可视化趣味

通过随机生成的节点与连接，这段简短的代码生动模拟了神经网络的抽象结构——虽然不是真正的网络，却完美捕捉了其“节点-连接”的核心视觉语言。

在学习和讲解神经网络时，一张直观的结构图往往胜过千言万语。下面这段来自Clcoding.com的代码，利用numpy和matplotlib的3D绘图功能，快速生成了一个抽象但形象的“3D神经网络”示意图。

🧩 代码逐段解析

1. 导入库与创建3D画布

import numpy as npimport matplotlib.pyplot as pltfig = plt.figure()ax = fig.add_subplot(111, projection='3d')

• 导入numpy用于生成随机数据，matplotlib用于绘图
• projection='3d'指定创建一个三维坐标轴

2. 生成随机节点

points = np.random.rand(20, 3) * 5ax.scatter(points[:,0], points[:,1], points[:,2], s=60)

• np.random.rand(20, 3)：生成20个点，每个点有(x, y, z)三个坐标，值域[0, 1)
• 乘以5：将坐标范围扩展到[0, 5]
• ax.scatter(..., s=60)：绘制散点图，s=60控制点的大小

3. 随机生成连接

for i in range(len(points)):for j in range(i+1, len(points)):if np.random.rand() < 0.2:            ax.plot([points[i,0], points[j,0]],                    [points[i,1], points[j,1]],                    [points[i,2], points[j,2]])

• 双重循环：遍历所有点对 (i, j)，且 j > i，确保每对只绘制一次
• np.random.rand() < 0.2：以20%的概率随机决定是否连接这两个节点
• ax.plot()：绘制两点之间的线段（三维直线）

4. 设置样式与显示

ax.set_title("3D Neural Network")ax.set_axis_off()plt.show()

• 添加标题
• 隐藏坐标轴，让图形更像一张概念图而非数学图表

🧠 视觉效果

运行这段代码，你将看到一个：

• 20个随机分布的节点（蓝色圆点），散落于三维空间中
• 大约20%的节点对之间有线条相连（因为20个节点共有190个节点对，约38条连接）
• 整体视觉上，类似一个随机连接的神经网络拓扑图

🎨 参数调整建议

📌 结语

这段代码并非真正的神经网络训练或推理，而是一个高度可定制的可视化玩具。它适合用于：

• 教学演示：向初学者直观展示神经网络由“节点+连接”构成
• 示意图生成：为博客、幻灯片生成抽象的AI配图
• 趣味编程：体验几行代码创造视觉作品的乐趣

通过调整随机种子（np.random.seed(42)），你还可以让每次运行生成的图形“可复现”。试试看，你的“神经网络”会长成什么形状？