NetScope：基于 prototxt 可视化模型结构

如果一个神经网络中，只有卷积层，输入的图像大小是可以任意的。如FCN，全卷积网络。

如果一个神经网络中，既有卷积层，也有全连接层，那么输入的图像的大小必须是固定的。目前大部分常见的神经网络模型都带有全连接层，如LeNet、AlexNet、ResNet、google-net等等。

最近刚接触pytorch，VGG模型的源码如下所示：

class VGG(nn.Module):

    def __init__(self, features, num_classes=1000, init_weights=True):
        super(VGG, self).__init__()
        self.features = features
        self.classifier = nn.Sequential(
            nn.Linear(512 * 7 * 7, 4096),
            nn.ReLU(True),
            nn.Dropout(),
            nn.Linear(4096, 4096),
            nn.ReLU(True),
            nn.Dropout(),
            nn.Linear(4096, num_classes),
        )

        if init_weights:
            self._initialize_weights()

    def forward(self, x):
        x = self.features(x)
        x = x.view(x.size(0), -1)
        x = self.classifier(x)
        return x

    def _initialize_weights(self):
        for m in self.modules():
            if isinstance(m, nn.Conv2d):
                n = m.kernel_size[0] * m.kernel_size[1] * m.out_channels
                m.weight.data.normal_(0, math.sqrt(2. / n))
                if m.bias is not None:
                    m.bias.data.zero_()
            elif isinstance(m, nn.BatchNorm2d):
                m.weight.data.fill_(1)
                m.bias.data.zero_()
            elif isinstance(m, nn.Linear):
                m.weight.data.normal_(0, 0.01)
                m.bias.data.zero_()

其中，nn.Linear(512 * 7 * 7, 4096)，表示VGG的第一个全连接层。nn.Linear(infeature, outfeature)，如下图所示：

512 * 7 * 7 就是VGG网络最后一个卷积层的输出size，那么如何查看VGG模型各层的size呢？

step 1：在google上输入“vgg prototxt”，得到vgg的模型结构代码；

step 2：打开Netscope网址，并复制模型结构代码；

step 3：按“shift + enter”可视化模型结构，如下图所示，可以看到VGG的第一层全连接之前的pool5的size为[1, 512,7, 7]，表示512张大小为7x7的图像。

（当然，也可以直接查看prototxt文件得知pool5层的大小）