概述

有时候想要绘制一个神经网络的网络结构，可以通过代码中层的定义去用第三方软件依次绘制，但是这样费时费力。因此需要一种快速绘制的办法。

Netron

netron可通过所保存的模型将其用网络的方式可视化出来，但是对于pytorch来说，其支持程度还不够，无法绘制各参数间的关系，可以将pytorch模型导出为onnx格式再使用netron来可视化。

# 自建一个CNN模型并导出为onnx来可视化
import torch
import torch.nn as nnclass CNNModel(nn.Module):def __init__(self, out_channels=10):super(CNNModel, self).__init__()self.conv = nn.Sequential(nn.Conv2d(3, 16, kernel_size=(5, 5), stride=(3, 3), padding=0),nn.LeakyReLU(0.2, inplace=True),nn.BatchNorm2d(16),nn.MaxPool2d(2),nn.Conv2d(16, 32, kernel_size=(5, 5), stride=(3, 3), padding=0),nn.LeakyReLU(0.2, inplace=True),nn.BatchNorm2d(32),nn.MaxPool2d(2),nn.Conv2d(32, 1, kernel_size=(3, 3), stride=(2, 2), padding=0))self.ful_layer = nn.Sequential(nn.Linear(36, 16),nn.LeakyReLU(0.2, inplace=True),nn.BatchNorm1d(16),nn.Linear(16, out_channels),nn.Softmax(dim=1))def forward(self, x):x = self.conv(x)x = x.view(x.size(0), -1)x = self.ful_layer(x)return xmodel = CNNModel()
x = torch.rand(16, 3, 512, 512)
torch.onnx.export(model, x, "CNN.onnx")

用netron打开后的模型结果：

torchviz

使用netron可以直观的显示出网络的结构，但是需要对模型进行转换，在转换的过程中也许会遇到模块的不兼容等问题，修改麻烦，使用torchviz也可以快速的生成模型结构图。要使用torchviz需要先安装Graphviz，这个工具在之前的文章中也有提及。安装后的使用方式也非常简单，依旧以简单CNN网络为例：

import torch
import torch.nn as nn
import torchvizclass CNNModel(nn.Module):def __init__(self, out_channels=10):super(CNNModel, self).__init__()self.conv = nn.Sequential(nn.Conv2d(3, 16, kernel_size=(5, 5), stride=(3, 3), padding=0),nn.LeakyReLU(0.2, inplace=True),nn.BatchNorm2d(16),nn.MaxPool2d(2),nn.Conv2d(16, 32, kernel_size=(5, 5), stride=(3, 3), padding=0),nn.LeakyReLU(0.2, inplace=True),nn.BatchNorm2d(32),nn.MaxPool2d(2),nn.Conv2d(32, 1, kernel_size=(3, 3), stride=(2, 2), padding=0))self.ful_layer = nn.Sequential(nn.Linear(36, 16),nn.LeakyReLU(0.2, inplace=True),nn.BatchNorm1d(16),nn.Linear(16, out_channels),nn.Softmax(dim=1))def forward(self, x):x = self.conv(x)x = x.view(x.size(0), -1)x = self.ful_layer(x)return xmodel = CNNModel()
x = torch.rand(16, 3, 512, 512)
out = model(x)
g = torchviz.make_dot(out)
g.render("test")

最终可以生成PDF文件；

模型结构相较于netron来说更为冗杂。

Pytorch的网络可视化相关推荐

Pytorch输出网络中间层特征可视化
Pytorch输出网络中间层特征可视化本文主要介绍了如何提取特定层的特征,然后对它进行可视化.最后给出了不同网络的应用案例. 推荐一个GITHUN实现可视化的工具地址整体步骤加载已经预训练好的模 ...
超实用的7种 pytorch 网络可视化方法，进来收藏一波
引导前言 1. torchsummary 2. graphviz + torchviz 3. Jupyter Notebook + tensorwatch 4. tensorboardX 5. ne ...
PyTorch下的网络可视化方式和工具
直接输出网络结果(以文本形式) 以以下博客为例:4.Deep Residual Network_马鹏森的博客-CSDN博客 The simplest way to visualize is to pr ...
Pytorch的网络结构可视化（tensorboardX）（详细）
20210610 if config.test is True:model = load_test_model(model, config)print(model) 打印网络结构版权声明:本文为博主 ...
Pytorch的网络结构可视化:Netron与TensorBoardX
Pytorch的网络结构可视化:Netron与TensorBoardX Pytorch的网络结构可视化:Netron Pytorch的网络结构可视化:TensorBoardX 1.TensorBoar ...
pytorch 神经网络特征可视化
可参考博客 Pytorch可视化模型任意中间层的类激活热力图(Grad-CAM)_潜行隐耀的博客-CSDN博客_pytorch热力图 Pytorch输出网络中间层特征可视化_Joker-Tong的博客 ...
【深度学习实战】---TensorBoard网络可视化
[深度学习实战]-TensorBoard网络可视化前记为了能够更加深层次的理解我们的网络结构,不必要是画一份简简单单的网络的草图(如[深度学习实战]迈出第一步------编写第一个神经网络),那么 ...
Pytorch骨干网络性能测试
Pytorch骨干网络性能测试测试平台: Intel® Core™ i7-8700 CPU @ 3.20GHz × 12 GeForce RTX 2070/PCIe/SSE2 backbone in ...
科研分享｜一个论文关系网络可视化网站
简介四月开始啦!每个月开头都会逛一逛"统计之都[1]",因为每月的统计月读[2]更新啦!三月的统计月读有一个内容真的让人心动,而且非常实用!推荐人是:孔令仁,网址链接为:http ...

Pytorch的网络可视化

概述

Netron

torchviz

Pytorch的网络可视化相关推荐

最新文章

热门文章