Pytorch 网络结构可视化
点击上方“小白学视觉”,选择加"星标"或“置顶”
重磅干货,第一时间送达
本文转自:深度学习这件小事
安装
可以通过以下的命令进行安装
conda install pytorch-nightly -c pytorch
conda install graphviz
conda install torchvision
conda install tensorwatch
本教程基于以下的版本:
torchvision.__version__ '0.2.1'
torch.__version__ '1.2.0.dev20190610'
sys.version '3.6.8 |Anaconda custom (64-bit)| (default, Dec 30 2018, 01:22:34)
[GCC 7.3.0]'
载入库
import sys
import torch
import tensorwatch as tw
import torchvision.models
网络结构可视化
alexnet_model = torchvision.models.alexnet()
tw.draw_model(alexnet_model, [1, 3, 224, 224])
载入alexnet,draw_model函数需要传入三个参数,第一个为model,第二个参数为input_shape,第三个参数为orientation,可以选择'LR'或者'TB',分别代表左右布局与上下布局。
在notebook中,执行完上面的代码会显示如下的图,将网络的结构及各个层的name和shape进行了可视化。
统计网络参数
可以通过model_stats方法统计各层的参数情况。
tw.model_stats(alexnet_model, [1, 3, 224, 224])[MAdd]: Dropout is not supported!
[Flops]: Dropout is not supported!
[Memory]: Dropout is not supported!
[MAdd]: Dropout is not supported!
[Flops]: Dropout is not supported!
[Memory]: Dropout is not supported!
[MAdd]: Dropout is not supported!
[Flops]: Dropout is not supported!
[Memory]: Dropout is not supported!
[MAdd]: Dropout is not supported!
[Flops]: Dropout is not supported!
[Memory]: Dropout is not supported!
[MAdd]: Dropout is not supported!
[Flops]: Dropout is not supported!
[Memory]: Dropout is not supported!
[MAdd]: Dropout is not supported!
[Flops]: Dropout is not supported!
[Memory]: Dropout is not supported!
alexnet_model.featuresSequential((0): Conv2d(3, 64, kernel_size=(11, 11), stride=(4, 4), padding=(2, 2))(1): ReLU(inplace=True)(2): MaxPool2d(kernel_size=3, stride=2, padding=0, dilation=1, ceil_mode=False)(3): Conv2d(64, 192, kernel_size=(5, 5), stride=(1, 1), padding=(2, 2))(4): ReLU(inplace=True)(5): MaxPool2d(kernel_size=3, stride=2, padding=0, dilation=1, ceil_mode=False)(6): Conv2d(192, 384, kernel_size=(3, 3), stride=(1, 1), padding=(1, 1))(7): ReLU(inplace=True)(8): Conv2d(384, 256, kernel_size=(3, 3), stride=(1, 1), padding=(1, 1))(9): ReLU(inplace=True)(10): Conv2d(256, 256, kernel_size=(3, 3), stride=(1, 1), padding=(1, 1))(11): ReLU(inplace=True)(12): MaxPool2d(kernel_size=3, stride=2, padding=0, dilation=1, ceil_mode=False)
)alexnet_model.classifierSequential((0): Dropout(p=0.5)(1): Linear(in_features=9216, out_features=4096, bias=True)(2): ReLU(inplace=True)(3): Dropout(p=0.5)(4): Linear(in_features=4096, out_features=4096, bias=True)(5): ReLU(inplace=True)(6): Linear(in_features=4096, out_features=1000, bias=True)
)
参考:
https://github.com/microsoft/tensorwatch
下载1:OpenCV-Contrib扩展模块中文版教程
在「小白学视觉」公众号后台回复:扩展模块中文教程,即可下载全网第一份OpenCV扩展模块教程中文版,涵盖扩展模块安装、SFM算法、立体视觉、目标跟踪、生物视觉、超分辨率处理等二十多章内容。
下载2:Python视觉实战项目52讲
在「小白学视觉」公众号后台回复:Python视觉实战项目,即可下载包括图像分割、口罩检测、车道线检测、车辆计数、添加眼线、车牌识别、字符识别、情绪检测、文本内容提取、面部识别等31个视觉实战项目,助力快速学校计算机视觉。
下载3:OpenCV实战项目20讲
在「小白学视觉」公众号后台回复:OpenCV实战项目20讲,即可下载含有20个基于OpenCV实现20个实战项目,实现OpenCV学习进阶。
交流群
欢迎加入公众号读者群一起和同行交流,目前有SLAM、三维视觉、传感器、自动驾驶、计算摄影、检测、分割、识别、医学影像、GAN、算法竞赛等微信群(以后会逐渐细分),请扫描下面微信号加群,备注:”昵称+学校/公司+研究方向“,例如:”张三 + 上海交大 + 视觉SLAM“。请按照格式备注,否则不予通过。添加成功后会根据研究方向邀请进入相关微信群。请勿在群内发送广告,否则会请出群,谢谢理解~
Pytorch 网络结构可视化相关推荐
- Pytorch网络结构可视化
现在用的这个: net = load_model(net, args.trained_model, args.cpu) for name, param in net.named_parameters( ...
- 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之—可视化(Visdom/TensorboardX)
文章目录 一.Visdom 安装与使用 小案例 二.TensorBoardX 案例一 案例二 使用PROJECTOR对高维向量可视化 绘制网络结构 一.Visdom Visdom是Facebook在2 ...
- 基于Pytorch的可视化工具
深度学习网络通常具有很深的层次结构,而且层与层之间通常会有并联.串联等连接方式.当使用PyTorch建立一个深度学习网络并输出文本向读者展示网络的连接方式是非常低效的,所以需要有效的工具将建立的深度学 ...
- 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 训练可视化教程 visdom
visdom 快速启动 启动地址:http://localhost:8097/ visdom 的介绍 Visdom是Facebook专为PyTorch开发的实时可视化工具包,其作用相当于TensorF ...
- 卷积神经网络结构可视化工具PlotNeuralNet
卷积神经网络结构可视化 简介 本文介绍的工具是针对卷积神经网络示意图可视化的,不包括算图.(示意图一般出现在论文中)常见的卷积神经网络示意图绘制工具不少,常用的主要有NN SVG.ConvNetDra ...
- pytorch卷积可视化_使用Pytorch可视化卷积神经网络
pytorch卷积可视化 Filter and Feature map Image by the author 筛选和特征图作者提供的图像 When dealing with image's and ...
最新文章
- 面试大法——算法、Python、机器学习等笔试面经资源|干货收藏
- 用vue优雅地编写UI组件的几条指导原则
- Java Socket 编程
- 字节跳动涉代码抄袭被诉陪22.74亿,连错误的函数都搬?
- Java机器学习库ML之六关于模型迭代训练的思考
- SAP 电商云 Spartacus UI SSR 里 engine 和 engine instance 的区别
- 【渝粤题库】广东开放大学 人力资源管理(本科) 形成性考核
- BugkuCTF-MISC题where is flag2
- php统计用户留存脚本,SQL 统计用户留存
- python网格搜索优化参数_python - pyspark:在网格搜索为空后获得最佳模型的参数{} - 堆栈内存溢出...
- h264解码延迟优化_JEET Air Plus:延迟优化技术,让你游戏不掉线
- 【Codeforces 486C】Palindrome Transformation
- 为了满足自己的好奇心,搞了一个业余项目耍,没想到还给我带来了$3000的收入......
- python const char_python C 扩展(转载)
- nsis出错_cf nsis错误怎么办 nsis错误解决办法全解
- 根据经纬度计算两点之间的距离
- JAVA一个汉字占多少字节,一个字母占多少字节
- 永中文档在线预览集群部署方案
- Jlink下使用swd
- python-docx教程
热门文章
- 如何用最强模型BERT做NLP迁移学习?
- 突发 | Yann LeCun卸任!Facebook变天,做AI不能落地是不成了
- Java泛型背后是什么?
- SpringBoot第二十四篇: springboot整合docker
- 人工智能的产业落地经验!
- 机器学习中的优化算法!
- 北大30岁女博导获2019 IEEE青年成就奖,全球仅三人,深耕微纳电子、神经形态计算...
- PyTorch 1.9发布,支持新API,可在边缘设备中执行
- 20亿参数,大型视觉Transformer来了,刷新ImageNet Top1,All you need is money!
- 字节跳动内部 MySQL 学习笔记火了,完整版开放下载!