「解析」netron 模型可视化

最新推荐文章于 2025-08-19 09:00:04 发布

ViatorSun

最新推荐文章于 2025-08-19 09:00:04 发布

阅读量1.5k

点赞数

CC 4.0 BY-SA版权

分类专栏： Deep Learning 文章标签：深度学习 tensorflow Pytorch onnx netron

本文链接：https://blog.csdn.net/ViatorSun/article/details/125692656

Deep Learning 专栏收录该内容

18 篇文章

订阅专栏

本文介绍了Netron作为一款强大的神经网络可视化工具，支持多种框架如ONNX、TensorFlow等。通过示例展示了如何用PyTorch创建ResNet34模型并导出为ONNX格式，然后利用ONNX进行形状推理，增强模型文件的维度信息。Netron对于理解和调试深度学习模型非常有帮助。

Netron是神经网络、深度学习和机器学习模型的一款可视化工具

Netron支持ONNX、TensorFlow Lite、Caffe、Keras、Darknet、飞浆、ncnn、MNN、Core ML、RKNN、MXNet、MindSpore Lite、TNN、Barracuda、Tengine, CNTK, TensorFlow.js, Caffe2 and UFF.

Netron对PyTorch、TensorFlow、TorchScript、OpenVINO、Torch、Vitis AI、kmodel、Arm NN、BigDL、Chainer、Deeplearning4j、MediaPipe、ML.NET和scikit learn提供实验支持。

官方地址：https://github.com/lutzroeder/netron

Python Server: Run pip install netron and netron [FILE] or netron.start('[FILE]')

在这里插入图片描述

import torchvision.models as models
import torch



# 定义数据+网络
data  = torch.randn(2, 3, 256, 256)
model = models.resnet34()

# 导出
torch.onnx.export(
    model,
    data,
    'model.onnx',
    export_params=True,
    opset_version=8,
)


import onnx
import onnx.utils
import onnx.version_converter


# 增加维度信息
model_file = 'model.onnx'
onnx_model = onnx.load(model_file)
onnx.save(onnx.shape_inference.infer_shapes(onnx_model), model_file)