上班时间摸鱼写个博客。

搞了4.5个小时的Pytorch模型可视化：

一.netron

1.命令行端口模式

d = torch.rand(1, 3, 416, 416)

m = model()

o = m(d)

onnx_path = "onnx_model_name.onnx"

torch.onnx.export(m, d, onnx_path)

netron.start(onnx_path)

2.软件客户端模式

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')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)

没尝试，因为集群不支持远程打开端口，另外模型文件类型是.pth.tar，加载时默认网络参数是被覆盖可更改的，不能被打开。

不过这个应该是最方便的，这个现在可以利用软件直接打开.pth文件，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。

二.tensorboardX

from torch.autograd import Variable

from tensorboardX import SummaryWriter

# 模拟输入数据

input_data = Variable(torch.rand(16, 3, 224, 224))

# 从torchvision中导入已有模型

net = torchvision.models.resnet18()

# 声明writer对象，保存的文件夹，异己名称

writer = SummaryWriter(log_dir='./log', comment='resnet18')

with writer:

报错太多次：

1.模型有并行，报错模型有变量

2.版本原因导致torch.jit无法运行

3.返回是dict报错

4.assert报错

三.netscope

caffee,.protext, 不支持pytorch，要废了

四、最终方案

看forward函数+理解模型，不可视化了