＃ 绘制模型
tf．keras．utils．plot＿model（model， to＿file＝＇model．png＇， show＿shapes＝True， show＿dtype＝False，show＿layer＿names＝True， rankdir＝＇TB＇， expand＿nested＝False， dpi＝96）
模型图的一个片段：
使用TensorFlow的MobileNet模型实现：
import tensorflow as tf
＃ 导入所有必要的层
from tensorflow．keras．layers import Input， DepthwiseConv2D
from tensorflow．keras．layers import Conv2D， BatchNormalization
from tensorflow．keras．layers import ReLU， AvgPool2D， Flatten， Dense
from tensorflow．keras import Model
＃ MobileNet block
def mobilnet＿block （x， filters， strides）：
x ＝ DepthwiseConv2D（kernel＿size ＝ 3， strides ＝ strides， padding ＝ ＇same＇）（x）
x ＝ BatchNormalization（）（x）
x ＝ ReLU（）（x）
x ＝ Conv2D（filters ＝ filters， kernel＿size ＝ 1， strides ＝ 1）（x）
x ＝ BatchNormalization（）（x）
x ＝ ReLU（）（x）
return x
＃ 模型主干
input ＝ Input（shape ＝ （224，224，3））
x ＝ Conv2D（filters ＝ 32， kernel＿size ＝ 3， strides ＝ 2， padding ＝ ＇same＇）（input）
x ＝ BatchNormalization（）（x）
x ＝ ReLU（）（x）
＃ 模型的主要部分
x ＝ mobilnet＿block（x， filters ＝ 64， strides ＝ 1）
x ＝ mobilnet＿block（x， filters ＝ 128， strides ＝ 2）
x ＝ mobilnet＿block（x， filters ＝ 128， strides ＝ 1）
x ＝ mobilnet＿block（x， filters ＝ 256， strides ＝ 2）
x ＝ mobilnet＿block（x， filters ＝ 256， strides ＝ 1）
x ＝ mobilnet＿block（x， filters ＝ 512， strides ＝ 2）
for ＿ in range （5）：
x ＝ mobilnet＿block（x， filters ＝ 512， strides ＝ 1）
x ＝ mobilnet＿block（x， filters ＝ 1024， strides ＝ 2）
x ＝ mobilnet＿block（x， filters ＝ 1024， strides ＝ 1）
x ＝ AvgPool2D （pool＿size ＝ 7， strides ＝ 1， data＿format＝＇channels＿first＇）（x）
output ＝ Dense （units ＝ 1000， activation ＝ ＇softmax＇）（x）
model ＝ Model（inputs＝input， outputs＝output）
model．summary（）
＃ 绘制模型
tf．keras．utils．plot＿model（model， to＿file＝＇model．png＇， show＿shapes＝True， show＿dtype＝False，show＿layer＿names＝True， rankdir＝＇TB＇， expand＿nested＝False， dpi＝96）
结论
MobileNet是最小的深度神经网络之一，它速度快、效率高，可以在没有高端GPU的设备上运行。
当使用Keras（在TensorFlow上）这样的框架时，这些网络的实现非常简单。
