今天使用hiddenlayer測試了下retinanet網(wǎng)絡(luò)的可視化。
首先，安裝hiddlayer，直接pip pip install git+https://github.com/waleedka/hiddenlayer.git
然后在終端加載模型并顯示：

import model, torch import hiddenlayer as hlretinanet = model.resnet18(num_classes=100, pretrained=True).cuda() x = torch.rand((1, 3, 224, 224)).cuda().float() ann = torch.tensor([[[20.0, 30.0, 53.2, 33.3, 32.0]]]).cuda().float() hl.build_graph(retinanet, [x, ann]) hl.save('/home/willer/model.pdf')

模型太復(fù)雜了，放在這里了。
昨天晚上對比著模型結(jié)構(gòu)的pdf和代碼又看了下，發(fā)現(xiàn)還是很有用的，起碼對網(wǎng)絡(luò)的數(shù)據(jù)流動的認(rèn)識更加清晰了。

轉(zhuǎn)載于:https://www.cnblogs.com/zi-wang/p/9958248.html

總結(jié)

以上是生活随笔為你收集整理的pytorch 网络可视化的全部內(nèi)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(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。