Pytorch的網絡結構可視化:Netron與TensorBoardX

• Pytorch的網絡結構可視化:Netron
• Pytorch的網絡結構可視化:TensorBoardX
• • 1.TensorBoardX簡介
  • 2. tensorboardX的使用
• TensorBoard is not found.
• 參考資料

Pytorch的網絡結構可視化:Netron

最近剛剛發現一個非常好用的顯示模型神器Netron

https://github.com/lutzroeder/Netron

https://www.electronjs.org/apps/netron

借助這個工具可以像windows的軟件一樣導入已經訓練好的模型加權重即可一鍵生成

以下是我的一個模型使用該工具可視化結果，只不過目前該工具對于onnx支持非常好，但是pytorch權重轉變為onnx是非常方便的,只需要torch.onnx.export()命令即可導出onnx權重

以下代碼將resnet18-5c106cde.pth轉化為resnet18.onnx

# -- coding: utf-8 -- import io import torch import torch.onnx import torchvisiondevice = torch.device("cuda:0" if torch.cuda.is_available() else "cpu")def pth2onnx():model = torchvision.models.resnet18(pretrained=False)# pth_file = 'resnet18-5c106cde.pth'# model.load_state_dict(torch.load(pth_file, map_location=device))model.to(device)# data type n*c*h*wdummy_input = torch.randn(1, 3, 256, 256)dummy_input = dummy_input.to(device)input_names = ['actual_input']output_names = ['output']torch.onnx.export(model, dummy_input, 'resnet18.onnx', verbose=True, input_names=input_names,output_names=output_names)if __name__ == '__main__':pth2onnx()

resnet18網絡結構圖

我目前看了下visdom實現pytorch的網絡結構查找還是很困難，在stackflow上有很多人使用自己編寫的基于matplotlib來實現網絡結構可視化適用性也不是很好，后來查找到使用基于tensorboard所開發的tensorboardX可以很方便的實現pytorch網絡結構的可視化，因此決定采用這種方式。

Pytorch的網絡結構可視化:TensorBoardX

1.TensorBoardX簡介

tensorboardX的項目路徑：https://github.com/lanpa/tensorboardX

tensorboardX是基于tensorboard的思想用來寫tensorboard events的工具，可以實現對傳統的tensorboard中 scalar，image，figure，histogram，audio，text，graph，onnx_graph等事件進行編寫。

tensorboardX同時具有論壇供大家提出問題解決問題 ，論壇地址：https://github.com/lanpa/tensorboardX/wiki

2. tensorboardX的使用

tensorboardX的安裝以及依賴如下所示：

pip install tensorboardpip install tensorflowpip install tensorboardX

tensorboardX的路徑下帶的有一個規范的demo，可以供大家參考。我這里公布一個我自己測試過的代碼，代碼來源于：https://blog.csdn.net/sunqiande88/article/details/80155925

# -- coding: utf-8 -- import torch import torch.nn as nn from tensorboardX import SummaryWriterclass LeNet(nn.Module):def __init__(self):super(LeNet, self).__init__()self.conv1 = nn.Sequential( # input size=(1*28*28)nn.Conv2d(in_channels=1, out_channels=6, kernel_size=5, stride=1, padding=2),nn.ReLU(), # (6*28*28)nn.MaxPool2d(kernel_size=2, stride=2), # output_size(6*14*14))self.conv2 = nn.Sequential(nn.Conv2d(in_channels=6, out_channels=16, kernel_size=5),nn.ReLU(), # (16*10*10)nn.MaxPool2d(kernel_size=2, stride=2) # output_size=(16*5*5))self.fc1 = nn.Sequential(nn.Linear(in_features=16 * 5 * 5, out_features=120),nn.ReLU())self.fc2 = nn.Sequential(nn.Linear(in_features=120, out_features=84),nn.ReLU())self.fc3 = nn.Linear(84, 10)def forward(self, x):x = self.conv1(x)x = self.conv2(x)# Linear的輸入和輸出都是維度為1的值，所以要把多維度的tensor展平成一維x = x.view(x.size()[0], -1)x = self.fc1(x)x = self.fc2(x)x = self.fc3(x)return xdummy_input = torch.rand(4, 1, 28, 28) # 假設輸入4張1*28*28的圖片 model = LeNet() with SummaryWriter(comment='LeNet') as w:w.add_graph(model, (dummy_input,))

運行該代碼后會自動生成一個runs文件夾，并且在文件夾下會有一個對應的event，如下圖所示：

此時需要在terminal或者cmd下運行tensorboard --logdir = path
此處千萬要注意，如果按照上面的參考文檔的方式是會報錯的：No graph definition files were found 或者 No definition files were found，總之無法正常顯示網絡結構圖。

此處的path 是event對應的確切，完整的路徑

在運行后會出現一個http url，此時需要將該url 拷貝到chrome下即可看到如下所示框圖

結構框圖如下所示：

此時雙擊紅圈所示的LeNet模塊即可看到LeNet的細節信息，如下所示：

至此即可完成使用tensorboardX 對pytorch網絡結構的可視化

TensorBoard is not found.

Just started using Tensorflow, but I am not able to use tensorboard command on my cmd, it gives the error command

C:\Users\tushar\PycharmProjects>tensorboard --logdir="NewTF" 'tensorboard' is not recognized as an internal or external command,operable program or batch file.

I had the same problem for tensorflow 1.5.0 and windows10.

Following tensor documentation (“Launching TensorBoard” section), you can try:

python -m tensorboard.main --logdir=[PATH_TO_LOGDIR]

參考資料

https://blog.csdn.net/xiaoxifei/article/details/82735355

https://blog.csdn.net/lei19880402/article/details/103721362

總結

以上是生活随笔為你收集整理的Pytorch的网络结构可视化:Netron与TensorBoardX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。