plot_model生成图片失败的根本原因是pydot和系统级graphviz未同时安装成功；需pip install pydot、下载安装graphviz并配置PATH，终端运行dot -V验证，缺一不可。
plot_model 生成图片失败：常见报错和依赖检查
直接调用 tf.keras.utils.plot_model 报错“Failed to import pydot”或“No module named ‘pydot’”，说明底层绘图依赖没装全。TensorFlow 自身不自带绘图能力，必须手动安装 pydot 和系统级的 graphviz。
-
pydot是 Python 封装，负责把模型结构转成 DOT 语言：pip install pydot -
graphviz是命令行工具，真正把 DOT 渲染成图片（PNG/SVG）；Windows 用户去官网下载安装包并勾选“Add Graphviz to the system PATH”，macOS 用brew install graphviz，Linux 用apt install graphviz - 装完后终端运行
dot -V能输出版本号才算成功；否则plot_model会静默失败或只生成空文件
plot_model 参数怎么选：show_shapes、show_dtype、rankdir 的实际影响
默认参数画出来的图往往信息太少或排版混乱，关键就在这三个参数：
-
show_shapes=True：显示每层输入/输出张量 shape（如 (None, 28, 28, 1)），但会让图变宽；如果模型有动态 batch 维度（None），别指望它显示真实 batch size -
show_dtype=True：标出数据类型（如 float32），对调试混合精度训练有用，但会进一步挤占横向空间 -
rankdir="LR"：让模型从左到右展开（默认是 "TB"，从上到下）。CNN 或带多分支的模型（如 ResNet）用"LR"更易读；RNN 类序列模型用默认"TB"更自然
示例：
tf.keras.utils.plot_model(model, to_file='model.png', show_shapes=True, show_dtype=True, rankdir='LR')
导出 SVG 而不是 PNG：清晰缩放和后续编辑需求
PNG 是位图，放大后模糊；SVG 是矢量图，适合插入论文、PPT 或用 Inkscape 微调节点位置。只要把 to_file 后缀改成 .svg 即可：
立即学习“Python免费学习笔记（深入）”；
-
to_file='model.svg'—— 直接生成 SVG，无需额外配置 - 注意：某些旧版
pydot对 SVG 支持不稳定，建议用pydot>=1.4.2 - 生成的 SVG 文件里含大量注释和冗余样式，可手动删减或用
svgo压缩
自定义层或子类模型无法可视化：为什么 plot_model 失败
plot_model 仅支持函数式 API 和 Sequential 模型。如果你用 tf.keras.Model 子类化写法（即重写 call 方法），它会直接报错 “Model cannot be plotted as it is not a Functional model”。
- 临时解法：改用
model.summary()查结构，配合手动画草图 - 硬核解法：在子类模型中显式定义
self._is_graph_network = True（不推荐，可能引发其他问题） - 更稳妥的方式：把核心逻辑抽成函数式子模型，再封装进子类；或用
tf.keras.models.clone_model+model.get_config()构造一个等价的函数式模型用于绘图
复杂模型结构可视化这件事，本质是在“表达力”和“自动化程度”之间做权衡——越灵活的建模方式，越难被静态图工具捕获。
