如何用 AI 製作神經網路架構圖：一步步教學（2026）

一張神經網路架構圖要能讓人一眼看懂整個架構：每一層的順序、流經其中的張量形狀，以及從輸入到輸出的路徑。這份指南就是「一步步的實作教學」——帶你走完從空白畫布到可匯出圖檔的流程，而不只是一堆提示詞。如果你想要可直接複製的現成提示詞，請參考姊妹文章神經網路架構圖提示詞；在這裡，你會學到讓任何架構圖都做得乾淨俐落的「方法」。

CNN 架構圖，從輸入影像經卷積與池化層，到全連接層與 softmax 分類器

讀完這份指南，你將能夠：

用四個可重複的步驟——規劃、生成、修改、匯出——用 AI 製作神經網路架構圖。
把這套流程套用到你自己的領域，不論是電腦視覺、NLP，還是表格資料的深度學習。
做出可直接投稿或放進學位論文的架構圖，每一層都有標示、附上張量形狀，並有乾淨的由左至右資料流。
避開那些讓 AI 架構圖看起來凌亂或出錯的問題。

一切都在 SciDraw AI 編輯器裡完成——這是一個 AI 原生的工作空間，圖就是你的畫布，日常語言就是你的工具。

任何架構圖都適用的四步驟流程

CNN、Transformer、RNN/LSTM、自編碼器——每一張架構圖都出自同樣的四個步驟。

規劃架構。 決定輸入、依序排列的層／區塊堆疊、重要的形狀，以及輸出端。
生成初稿。 把規劃濃縮成一句話，依序點名輸入、每一層、張量形狀與輸出，並採由左至右的流向。
用對話的方式修改。 替區塊重新上色、改層的標示、加上形狀，或簡化——不要重來。
匯出並放進文件。 下載高解析度圖片或可編輯的 SVG / PPTX，用於你的論文、投影片或海報。

步驟 2 的範本：「畫一張 [架構]，從 [輸入] 經過 [層1、層2、層3] 到 [輸出端]。標示每一層，標出張量／特徵圖形狀，在白色背景上使用由左至右的資料流箭頭。」

步驟一：下提示詞之前先規劃架構

架構圖失敗，多半是因為層的堆疊很模糊。下提示詞之前，先回答：

輸入是什麼？ 點名輸入及其形狀（例如 224×224×3 的影像、一段 token 序列）。
堆疊依序是什麼？ 列出每一層或每一個區塊：conv → pool → conv → pool → flatten → dense → softmax。順序就是這張圖的主體。
哪些形狀重要？ 標出特徵圖縮小、通道數成長的地方——這些數字才是故事所在。
輸出是什麼？ softmax 分類器、回歸端、重建影像，還是一段序列。

這份依序排列的規劃就是你提示詞的骨架，也是各層能照正確順序、配上正確形狀產出的原因。

步驟二：生成你的初稿

把規劃轉成一句話。以 CNN 為例，規劃（「輸入影像 → conv/pool 區塊 → flatten → 全連接 → softmax，特徵圖逐步縮小」）就會變成一句提示詞，產出上面那張乾淨的架構。

讓初稿一次到位的訣竅：

每個你想標示的層都要點名。 AI 會精確標示你說出來的東西。
明確指定順序。 「從輸入經過 X、再到 Y、再到 Z，最後在輸出收尾。」
要求附上形狀。 「沿途標出特徵圖尺寸逐步縮小」能把一個普通的堆疊變成有資訊量的圖。
設定風格。 「由左至右的資料流箭頭、扁平技術風格、白色背景」能讓它保持投稿級的乾淨。

步驟三：用對話的方式修改——別重頭來過

AI 原生的優勢就是「用描述來編輯」。架構圖常見的修改：

「把卷積區塊上成藍色，dense 層上成綠色。」
「在每個區塊下方加上輸出形狀。」
「標示『FC』應該改成『Fully Connected』。」
「加上從 encoder 區塊到對應 decoder 區塊的 skip connection。」

Transformer 架構圖，含 encoder 與 decoder 堆疊、多頭自注意力、前饋區塊，以及輸出 softmax

每一條指令都是就地修改現有的圖——所以你喜歡的 encoder/decoder 版面會原地保留，同時你還能調整標示與形狀。若只想改標示，請參考如何編輯 AI 圖中的文字與標示。

依領域分類的實戰範例

這四個步驟能套用到你建構的任何模型；改變的只有規劃。

電腦視覺

重點：一張影像如何變成一個類別。規劃一個 CNN，從輸入影像經卷積與池化，到 flatten 與 dense 層，以 softmax 收尾，特徵圖逐步縮小。這就是上面那張圖；若要做分割，把它重新規劃成帶 skip connection 的 encoder-decoder（U-Net），再修改把 skip connection 加上去。

自然語言處理

重點：一個序列模型如何注意並生成。規劃一個帶 encoder 與 decoder 堆疊的 Transformer——輸入 embedding 加上位置編碼、多頭自注意力、前饋區塊、add-and-norm，以及輸出 softmax。如果多頭注意力區塊是你的貢獻所在，就修改成把它凸顯出來。

表格與序列深度學習

重點：一個別人能重現的精簡模型。規劃一個多層感知器（輸入特徵 → 隱藏層 → 輸出），或一個展開的 RNN/LSTM，呈現遞迴單元在各時間步上的展開。保持小巧，並標示每層的單元數，好讓審稿人能重建它。

為學位論文或論文製作架構圖

針對學位論文章節與期刊投稿，請事先納入這些限制：

配合欄位。 很深的堆疊適合做成寬版、單列、由左至右的圖，放進雙欄；精簡的模型適合單欄。用高解析度生成。
呈現形狀，而非術語。 每個區塊下方的張量形狀能讓讀者重現模型；長篇文字屬於方法章節。
替組合圖加上面板字母： 「在左上角加上面板字母『A』。」
保持一致。 每種層型（conv、pool、dense、attention）在每張圖都沿用同一個顏色，讓整本論文像同一套設計系統。

常見錯誤（以及如何修正）

層的順序模糊。 修正：依序列出每一層，讓 AI 把堆疊畫對。
缺少張量形狀。 修正：要求在每個區塊下方標出特徵圖或輸出形狀。
箭頭凌亂。 修正：要求乾淨的「由左至右資料流箭頭」，等主路徑乾淨後再加 skip connection。
顏色不一致。 修正：替每種層型定義一個顏色，並在所有圖中沿用。
重來而不是修改。 修正：編輯現有的圖（「把 dense 層改成綠色」），保留你喜歡的版面。
一般圖像 AI 產生亂碼標示。 修正：SciDraw AI 會渲染乾淨的無襯線文字；若某個標示看起來不對，重下提示詞給出確切術語。

匯出並使用你的神經網路架構圖

做對了，就匯出成可編輯的 SVG 或 PowerPoint（PPTX），或下載高解析度圖片，用於你的稿件、投影片或海報。發表前需要色盲友善的配色？參考如何為科學圖重新配色。想要預先寫好的起手點？瀏覽神經網路架構圖提示詞，隨手丟任一組進編輯器。

常見問答

我要怎麼用 AI 製作神經網路架構圖？ 先規劃架構（輸入、依序排列的層、形狀、輸出），在神經網路架構圖生成器裡用一句話描述，用對話的方式修改，最後匯出。這套四步驟流程不用設計軟體就能給你一張可投稿的圖。

架構圖裡的張量形狀要怎麼標出來？ 在提示詞裡點名它們——「沿途標出特徵圖尺寸逐步縮小」或「在每個區塊下方加上輸出形狀」——AI 就會在每個階段標出維度，讓讀者能重現模型。

可以免費替論文做深度學習架構圖嗎？ 可以——在 SciDraw AI 編輯器免費開始生成架構圖，之後再升級以取得更多點數與可編輯的 SVG / PPTX 匯出，用於你的稿件。

Transformer 或 CNN 圖要怎麼畫？ 依序列出各層（CNN：conv、pool、flatten、dense、softmax；Transformer：embedding、多頭注意力、前饋、add-and-norm、softmax），要求由左至右的流向，再用對話的方式修改標示與形狀。

AI 架構生成器是不錯的繪圖工具替代方案嗎？ 如果你寧願「描述」一個模型，而不是逐一手動擺放每個區塊，那麼 AI 生成器是製作 CNN、Transformer、RNN/LSTM、MLP 圖的快速又低成本方式，而且能匯出可編輯檔給協作者。