最简单的方法当然可以直接打印(净),但是这样网络比较复杂的时候效果不太好,看着比较乱,以前使用咖啡的时候有一个网站可以在线生成网络框图,tensorflow可以用张量板,keras中可以用model.summary(),或者plot_model () .pytorch没有这样的API,但是可以用代码来完成。
<强>(1)安装环境:graphviz
conda安装- n pytorch python-graphviz
或:
sudo apt-get安装graphviz
或者从官网下载,按此教程。
<强>(2)生成网络结构的代码:
def make_dot (var, params=None):
”“”产生的Graphviz表示PyTorch autograd图
蓝色节点变量要求研究生,橙色是张量
保存在torch.autograd.Function落后
参数:
var:输出变量
(名称、变量的参数:dict)将名称添加到节点
要求毕业生(TODO:可选)
”“”
如果参数个数不是没有:
断言isinstance (params.values()[0],变量)
param_map={id (v): k, k、v params.items ()}
node_attr=dict(风格=疤盥?
形状=昂凶印?
对齐='左',
字形大??2”,
ranksep=' 0.1 ',
身高=' 0.2 ')
点=有向图(node_attr=node_attr graph_attr=dict类型(大?12,12))
看到=组()
def size_to_str(尺寸):
返回' (' + (" ")。加入([' % d ' % v v的大小])+“)”
def add_nodes (var):
如果var不在看到:
如果torch.is_tensor (var):
dot.node (str (id (var)), size_to_str (var.size ()), fillcolor=俺壬?
elif hasattr (var,“变量”):
u=var.variable
name=param_map [id (u)]如果参数个数不是没有别人”
node_name=%年代\ n % s %(名称、size_to_str (u.size ()))
dot.node (str (id (var))、node_name fillcolor=發ightblue”)
其他:
dot.node (str (id (var)), str(类型(var) .__name__))
seen.add (var)
如果hasattr (var, next_functions):
u var.next_functions:
如果你[0]不是没有:
dot.edge (str (id (u [0])), str (id (var)))
add_nodes (u [0])
如果hasattr (var, saved_tensors):
t var.saved_tensors:
dot.edge (str (id (t)), str (id (var)))
add_nodes (t)
add_nodes (var.grad_fn)
返回点
<强>(3)打印网络结构:
进口火炬
从火炬。autograd导入变量
进口火炬。神经网络是神经网络
从graphviz进口有向图
类CNN (nn.module):
def __init__(自我):
＊＊＊＊＊＊
def向前(自我,x):
＊＊＊＊＊＊
返回了
*****************************
def make_dot(): #复制上面的代码
*****************************
if __name__==癬_main__”:
网=CNN ()
x=变量(火炬。randn (1, - 1, 1024, 1024))
y=净(x)
g=make_dot (y)
g.view ()
params=列表(net.parameters ())
k=0
因为我在参数:
l=1
打印(“该层的结构:“+ str(列表(i.size ())))
在i.size j ():
j l *=打印(“该层参数和:“+ str (l))
k=k + l
打印(“总参数数量和:“+ str (k))
<>强(4)结果展示(例如这是一个resnet块类型的网络):
以上这篇pytorch打印网络结构的实例就是小编分享给大家的全部内容了,希望能给大家一个参考,也希望大家多多支持。
