神经网络常见可视化方法

朱雀 2022-01-31 09:41 320阅读 0赞

**1.打印出网络的参数量 ， 直接打出网络结构(不够直观)**

.![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzM5OTM4NjY2_size_16_color_FFFFFF_t_70][]

**2. 利用可视化工具，直观显示网络结构**

**Netron是**一款可视化网络模型的软件，目前的Netron支持主流各种框架的模型结构可视化工 [https://github.com/lutzroeder/Netron][https_github.com_lutzroeder_Netron]

支持的文件类型如下：

![20190516120109458.png][]

点开链接后，按自己的系统直接点击下载就可以了，比如我用的win10，就按如下下载：

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzM5OTM4NjY2_size_16_color_FFFFFF_t_70 1][]

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzM5OTM4NjY2_size_16_color_FFFFFF_t_70 2][]

安装后，直接把网络文件(如onnx)直接拖入就能显示了：

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzM5OTM4NjY2_size_16_color_FFFFFF_t_70 3][]

比如，我常用的就是pytorch，那么首先把pytorch转为onnx文件：

import torch.onnx
    import torchvision
     
    input = torch.randn(10, 3, 224, 224).cuda()
    model = torchvision.models.alexnet(pretrained=True).cuda()
    torch.onnx.export(model, input, "alexnet.onnx", verbose=True)

再拖进去就显示啦！

[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzM5OTM4NjY2_size_16_color_FFFFFF_t_70]: /images/20220131/5c74a34a3c3d47fca588f3256ea200c6.png
[https_github.com_lutzroeder_Netron]: https://github.com/lutzroeder/Netron
[20190516120109458.png]: /images/20220131/afa7d1a527744caa9644be358ede7c47.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzM5OTM4NjY2_size_16_color_FFFFFF_t_70 1]: /images/20220131/6b340d816ba54f8395cd706ec4e3a89e.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzM5OTM4NjY2_size_16_color_FFFFFF_t_70 2]: /images/20220131/f3a27994cbee48dd9c266a34c8db0a04.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzM5OTM4NjY2_size_16_color_FFFFFF_t_70 3]: /images/20220131/df9566117a07423faa71ec9cbf976899.png