1.TensorSpace：http://tensorspace.org

LeNet、AlexNet、InceptionV3、ResNet-50、MobileNetv1、YOLOv2-tiny、ACGAN的可视化实现，网页3D可视化，适合初学者直观了解神经网络内部机理，用于理解神经网络结构和科普教学。

2.NN-SVG：http://alexlenail.me/NN-SVG/LeNet.html

LeNet、AlexNet、FCNN等模型可参数设置实现可视化，定制化神经网络图，轻松调整参数，学术报告加分项。

3.Neataptic：https://github.com/wagenaartje/neataptic

提供了非常灵活的神经网络可视化形式，神经元和突触可以通过一行代码进行删除，神经网络运行不需要固定的结构，允许通过神经进化的方式为数据集调整网络结构的形状，并通过多线程来实现，适用于各种复杂的神经网络任务。

4.Quiver：http://github.com/keplr-io/quiver

专为Keras框架设计的交互式卷积网络特征可视化工具。

5.Netscope CNN Analyzer：dgschwend.github.io/netscope/quickstart.html

ZynqNet CNN、YOLO、SqueezeNet、SqueezeNet v1.1、Inception v4、Inception-ResNet-v2、Inception v3、ResNet-50、ResNet-152、AlexNet、CaffeNet、FCN-16s、GoogLeNet、Network in Network、VGG 16 Layers

基于web端的可视化和分析卷积神经网络结构，适合用来优化和调试神经网络模型。

6.Graphviz：http://www.graphviz.org/

开源的图可视化软件，提供多种布局算法和绘图选项，助于理解神经网络结构、层次关系以及信息流动。

7.PlotNeuralNet：https://github.com/HarisIqbal88/PlotNeuralNet

专门用于简化和美化神经网络图，它需要学Latex的脚本来编码神经网络。

8.TensorBoard：http://www.tensorflow.org/tensorboard/graphs?hl=zh-cn

用于可视化和监控深度学习模型训练过程，可视化模型架构、模型损失和指标变化。

9.keras-sequential-ascii：http://github.com/stared/keras-sequential-ascii/

深度剖析序列模型，可视化参数与数据流。

10.Caffe：http://github.com/BVLC/caffe/blob/master/python/caffe/draw.py

直观解析模型结构，提升模型理解。