pytorchでの視覚化：ネットワークモデルの視覚化と特徴マップの視覚化

1. netronツールを使用してpytorchモデルを視覚化します。テンソルボードは醜く、直感的ではありません。

プロジェクトアドレス：https：//github.com/lutzroeder/Netro

参照：https：//blog.csdn.net/jieleiping/article/details/102975939

1.netronをインストールします

pip install netron

2.ケースデモ

pytorchモデル形式（.pt / .pth）のサポートはフレンドリーではないため、onnxとして保存する必要があります。幸いpytorchはサポートしています。

import torch
import torch.nn as nn
import torch.nn.functional as F
import torch.onnx

import netron


class ForwardNet(nn.Module):
    def __init__(self):
        super(ForwardNet, self).__init__()
        self.block1 = nn.Sequential(
            nn.Conv2d(64, 64, 3, padding=1, bias=False),
            nn.BatchNorm2d(64),
            nn.ReLU(inplace=True),
            nn.Conv2d(64, 32, 1, bias=False),
            nn.BatchNorm2d(32),
            nn.ReLU(inplace=True),
            nn.Conv2d(32, 64, 3, padding=1, bias=False),
            nn.BatchNorm2d(64)
        )

        self.conv1 = nn.Conv2d(3, 64, 3, padding=1, bias=False)
        self.output = nn.Sequential(
            nn.Conv2d(64, 1, 3, padding=1, bias=True),
            nn.Sigmoid()
        )

    def forward(self, x):
        x = self.conv1(x)
        identity = x
        x = F.relu(self.block1(x) + identity)
        x = self.output(x)
        return x


input = torch.rand(1, 3, 416, 416)
model = ForwardNet()
output = model(input)

onnx_path = "netForwatch.onnx"
torch.onnx.export(model, input, onnx_path)

netron.start(onnx_path)

 3.結果

上記のコードを実行した後、ローカルブラウザが呼び出されて開きます。フォームはテンソルボードに似ています。

2、機能マップの視覚化

参照：https：//zhuanlan.zhihu.com/p/60753993