版權聲明：小博主水平有限，博文僅代表個人觀點，希望大家多多指導。

---

參考：

1、神經網絡可視化(一)——Netron - 云+社區 - 騰訊云

神經網絡可視化(一)--Netron - 云+社區 - 騰訊云?cloud.tencent.com

2、神經網絡可視化(二)——收集的一些常見的網絡可視化方法 - 云+社區 - 騰訊云

神經網絡可視化(二)--收集的一些常見的網絡可視化方法 - 云+社區 - 騰訊云?cloud.tencent.com

---

1、介紹Netron

嘗試著用過一些深度神經網絡可視化的工具，但是體驗下來最喜歡就是這一款——Netron。

關鍵是簡單快捷，就像平時的保存文件、打開文件這樣。

這樣一款神器的開發作者是微軟的大神Lutz Roeder，在自己的家中完成的。

項目GitHub：

lutzroeder/netron?github.com

Lutz Roeder個人網站：

Lutz Roeder's Deep Learning?www.lutzroeder.com

---

2、Netron強大的原因

（1）所支持的平臺廣泛。不想tensorboard等較為“專一”的可視化平臺，當前主流的深度學習框架，Netron都能得到很好的支持；

（2）操作簡單快捷。不需要寫一行代碼，只需要下載軟件安裝，然后打開需要可視化的文件，一步操作即可，當然也可以通過代碼實現；

（3）保存快捷。對于可視化的結果，就像保存普通的文件一樣，一步到位，保存在自己的電腦上。

---

3、Netron支持的框架

在復現別人的模型的時候，有時我們要知道一個模型的輸入與輸出名，可是有時作者并沒有告訴我們，要我們自己去查。
有了這個工具，可以清晰地看見網絡的輸入輸出名，具體的網絡結構。
相比tensorboard它更加輕量化，而且支持各種框架。

而Netron最為強大的功能，就在于它所支持的框架十分廣泛，下面是一些支持的框架：

ONNX (.onnx, .pb, .pbtxt),

——————————————————————Keras (.h5, .keras),

CoreML (.mlmodel),

Caffe2 (predict_net.pb, predict_net.pbtxt),

MXNet (.model, -symbol.json)

TensorFlow Lite (.tflite).

Caffe (.caffemodel, .prototxt),

PyTorch (.pth),

Torch (.t7),

CNTK (.model, .cntk),

PaddlePaddle(__model__),

Darknet (.cfg),

scikit-learn (.pkl),

TensorFlow.js (model.json, .pb)

————————————————————TensorFlow (.pb, .meta, .pbtxt).

---

4、安裝Netron

（1）下載地址：

lutzroeder/netron?github.com

（2）【推薦】python版Netron安裝說明：

進入tensorflow環境，然后輸入pip install netron

（3）【推薦】網頁版Netron

進入網址后，點擊Start

lutzroeder/netron?github.com

或者是輸入如下鏈接：https://lutzroeder.github.io/netron/

如圖操作

---

5、使用Netron

建議使用 網頁版Netron 或者 Python版Netron

輸入如下鏈接：https://lutzroeder.github.io/netron/
會打開一個網頁，網頁的界面很簡單，直接單擊網頁中的Open Model按鈕，選擇需要可視化的文件（文件類型參見上面）

下載個案例，測試一下

這是tensorflow下的，支持TensorFlow (.pb, .meta, .pbtxt)文件……

可視化結果的部分……

---

祝，學習順利

總結

以上是生活随笔為你收集整理的github可视化工具_【神经网络可视化01】——用Netron实现可视化的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。