pytorch可視化工具netron

pytorch可視化工具也不少，但是使用門檻比較高：配置麻煩，使用麻煩，還需要FQ，實力勸退一波。今天發現一個可視化神器----netron，與大家分享一下

這款可視化工具支持多種方式安裝（exe是小白最愛），不需要在網絡代碼中做任何更改。

使用方法：

1.安裝netron：https://github.com/lutzroeder/Netron

exe鏈接可以有：

鏈接：https://pan.baidu.com/s/1jDEAdEnk1yqjj-ludjVpmQ
提取碼：4ors

2.保存網絡：這里以LeNet為例

import torch.nn as nn
import torch.nn.functional as F
import torch

device = torch.device('cuda' if torch.cuda.is_available() else 'cpu')


class Net(nn.Module):
    def __init__(self):
        super(Net, self).__init__()
        self.conv1 = nn.Conv2d(in_channels=1, out_channels=10, kernel_size=5)
        self.conv2 = nn.Conv2d(10, 20, 5)
        self.conv3 = nn.Conv2d(20, 40, 3)
        self.mp = nn.MaxPool2d(2)
        self.mp1 = nn.MaxPool2d(2)
        self.fc1 = nn.Linear(2560, 512)
        self.fc2 = nn.Linear(512, 10)

    def forward(self, x):
        in_size = x.size(0)
        x = F.relu(self.mp(self.conv1(x)))
        x = F.relu(self.mp(self.conv2(x)))
        x = F.relu(self.mp1(self.conv3(x)))
        x = x.view(in_size, -1)
        x = self.fc1(x)
        x = self.fc2(x)
        return F.log_softmax(x, dim=1)


model = Net().to(device)

torch.save(model, './model_para.pth')

#torch.save(model.state_dict(), './model_para.pth')

　3.查看結果

直接打開安裝的Netron軟件，在軟件中直接打開保存的pth文件（其他后綴也可以）

 

 

 甚至還可以更方便，將pth后綴的文件的默認打開方式改為Netron，直接雙擊打開。

4.注意保存網絡時要保存完整結構，不能只保存參數（如代碼中的最后一行注釋），否則就會：

 

 

 這也很好理解原因是吧。

吃水不忘挖井人，最后我們一起瞻仰一下工具作者，來自微軟的小哥哥Lutz Roeder：

5.似乎這個工具做的不是很完美，對簡單的堆疊構成的網絡比較有效（如VGG等）

但是對使用函數構造的，比較復雜的網絡就力不從心了。如FasterRCNN：

 

 只能顯示到這種程度。那就有點雞肋了