pytorch可视化工具netron

pytorch可视化工具也不少，但是使用门槛比较高：配置麻烦，使用麻烦，还需要FQ，实力劝退一波。今天发现一个可视化神器----netron，与大家分享一下

这款可视化工具支持多种方式安装（exe是小白最爱），不需要在网络代码中做任何更改。

使用方法：

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

exe链接可以有：

链接：https://pan.baidu.com/s/1jDEAdEnk1yqjj-ludjVpmQ
提取码：4ors

2.保存网络：这里以LeNet为例

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.查看结果

直接打开安装的Netron软件，在软件中直接打开保存的pth文件（其他后缀也可以）

 

 

 甚至还可以更方便，将pth后缀的文件的默认打开方式改为Netron，直接双击打开。

4.注意保存网络时要保存完整结构，不能只保存参数（如代码中的最后一行注释），否则就会：

 

 

 这也很好理解原因是吧。

吃水不忘挖井人，最后我们一起瞻仰一下工具作者，来自微软的小哥哥Lutz Roeder：

5.似乎这个工具做的不是很完美，对简单的堆叠构成的网络比较有效（如VGG等）

但是对使用函数构造的，比较复杂的网络就力不从心了。如FasterRCNN：

 

 只能显示到这种程度。那就有点鸡肋了