【PyTorch】模型可视化之 pytorch-summary

最新推荐文章于 2024-03-28 14:55:02 发布
最新推荐文章于 2024-03-28 14:55:02 发布
阅读量2w 收藏 53
点赞数 6
分类专栏： PyTorch 文章标签： pytorch model visualization summary
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/baishuo8/article/details/90640110
版权

Backto PyTorch Index

我个人最喜欢的模型可视化工具， github

  • 安装 pip install torchsummary
  • 应用
from torchsummary import summary
...
summary(your_model, input_size=(channels, H, W))
  • info 分析
    • 每一层的类型、shape 和 参数量
    • 模型整体的参数量
      • <
最低0.47元/天 解锁文章
北境の守卫
关注
  • 6
    点赞
  • 踩
  • 53
    收藏
    觉得还不错? 一键收藏
  • 7
    评论
专栏目录
在Pytorch上使用summary
Einstellung的博客
10-14 3万+
我们知道，Keras有一个非常有好的功能是summary，可以打印显示网络结构和参数，一目了然。但是，Pytorch本身好像不支持这一点。不过，幸好有一个工具叫torchsummary，可以实现和Keras几乎一样的效果。 pip install torchsummary 然后我们定义好网络结构之后，就可以用summary来打印显示了。假设我们定义的网络结构是一个叫Generator的类。 im...
pytorch神经网络可视化的方法
qq_51639530的博客
05-18 1563
pytorch网络的两种可视化方法
Pytorch：torch.utils.tensorboard.SummaryWriter
最新发布
weixin_42046845的博客
03-28 883
SummaryWriter 通常是指在TensorBoard日志记录库中的一个类，这是TensorFlow的一个组件，可以用于记录和展示神经网络训练过程中的各种参数。PyTorch也提供了与TensorBoard兼容的工具torch.utils.tensorboard.SummaryWriter。
pytorch实用工具：torchsummary、torchsnooper、显示tensor的vutils
热门推荐
yangdeshun888的博客
02-01 2万+
一. torchsummmary工具： 其主要是用来计算网络的计算参数等信息的，其大概的流程为： 安装指令： pip install torchsummary 使用方法： import torch, torchvision model = torchvision.models.vgg model = torchvision.models.vgg16() from torchsum...
Pytorch：summary（）函数打印网络结构
m0_47090348的博客
10-12 788
但是这样打印出来的网络结构也不太好看。首先，安装torchinfo库（可以使用pip，也可以在pycharm的setting里下载安装）运行截图：（以下截图不是AlexNet的网络结构，我随便找的一个网络运行的结果）
pytorch参数可视化之torchsummary&Tensorboard
tz的博客
12-17 1548
主要对神经网络结构可视化工具torchsummary与tensorboard简单使用进行说明，方便后期查阅。
pytorch统计网络深度与权重大小两种方式（pytorch-summary）
weixin_48174100的博客
09-10 771
手撸代码 keras有个model.summary(） 查看网络结构参数 pytorch没有 一般用print(model)查看网络结构 然后自己手写一个方法统计权重参数量 def CustomCal(net): res = 0 for i in net: weight = i.weight.shape bias = i.bias.shape tmp=1 for j in weight: tmp *= j
pytorch 模型可视化的例子
09-18
今天小编就为大家分享一篇pytorch 模型可视化的例子，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧
使用pytorch实现可视化中间层的结果
09-18
在本文中，我们将探讨如何使用PyTorch框架来可视化神经网络模型，特别是VGG16模型的中间层结果。PyTorch是一个强大的深度学习库，它提供了灵活性和易用性，使得研究人员和开发者能够轻松地构建和理解复杂的神经网络...
a-PyTorch-Tutorial-to-Image-Captioning-master_pytorch_
09-30
讲解如何入门PyTorch，包括基础原理知识、numpy与PyTorch的区别以及案例研究实例
pytorch的resnet-18在cifar-10的预训练模型
03-13
pytorch的resnet-18在cifar-10的预训练模型
PyTorch学习记录——Pytorch可视化
maximejia的博客
07-22 2738
Pytorch可视化内容学习，主要包括两个方面：网络结构可视化和训练过程可视化，以及直接打印、torchinfo和Tensorboard(X)三种手段。
PyTorch-模型可视化工具TorchSummary
周先森爱吃素的博客
10-26 1万+
本文介绍PyTorch的一个模型可视化工具TorchSummary及其使用教程。
推荐项目：PyTorch-Summary - 深度学习模型可视化工具
gitblog_00100的博客
03-21 295
推荐项目：PyTorch-Summary - 深度学习模型可视化工具 项目地址:https://gitcode.com/sksq96/pytorch-summary 项目简介 PyTorch-Summary 是一个用于深度学习模型的理解和调试的强大工具，它基于 PyTorch 框架设计。该项目提供了一种简洁的方式来概览模型的结构，包括参数数量、计算量以及每一层的输入与输出尺寸等信息。此外，它还整合...
【pytorch】torchsummary打印模型结构和参数信息
ting的博客
04-17 3073
torchsummary 可以查看网络的顺序结构，显示每一层的类型、out shape和参数量； 还有网络参数量，网络模型大小； fp/bp 一次需要的内存大小等信息。
pytorch的summary和画网络结构图
sdhdsf132452的博客
03-21 528
在里面，可以直接调用和查看和保存网络的结构。但是在torch里面没有这么简单。需要借助额外的包和torchviz。
可视化学习笔记5-pytorch利用summary（）打印神经网络的结构
LZL2020LZL的博客
04-08 3747
安装指令 pip install torchsummary 使用方法 from model_L5 import mobilenet_L5_large from skimage import io from torchsummary import summary img_path = '10.jpg' img = io.imread(img_path) img = transform.resize(img, (224, 224)) model = mobilenet_L5_large(num_classes=
【Pytorch】模型摘要信息获取、模型参数获取及模型保存的三种方法
AIGC | 智能洞察，创造未来
06-06 904
模型摘要信息获取、模型参数获取及模型保存的三种方法
Pytorch查看模型的参数量和计算量
weixin_44762713的博客
12-19 2167
1. stat 缺点：仅支持单输入模型 Example import torch.nn as nn import torch.nn.functional as F from torchstat import stat class Net(nn.Module): def __init__(self): super(Net, self).__init__() self.conv1 = nn.Conv2d(1, 10, kernel_size=5)
pytorch网络可视化
06-11
PyTorch提供了一些工具来可视化网络的结构和输出。下面是一些常用的方法： 1. 使用`torchsummary`库来打印网络的结构和参数数量。该库提供了一个`summary`函数，可以直接传入网络实例和输入数据的shape，从而打印出网络的结构和参数数量。 2. 使用`torchviz`库来可视化计算图。该库提供了一个`make_dot`函数，可以直接传入模型和输入数据，从而生成计算图的可视化结果。 3. 使用`tensorboard`来可视化网络的输出和训练过程。PyTorch提供了`tensorboardX`库，可以将PyTorch的数据格式转换为TensorBoard可读取的格式，从而实现可视化。 4. 使用`pytorch-ignite`库来可视化训练过程。该库提供了可视化训练过程的工具，包括可视化损失函数和准确率等指标的变化趋势，以及可视化每个batch的输入和输出等。 以上是一些常用的PyTorch网络可视化方法，具体使用方法可以参考相关的文档和示例代码。

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 7
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值