Pytorch神经网络结构可视化之tensorwatch

使用tensorwatch对网络进行可视化，但是绘制的图有问题，那十有八九就是版本较高带来的问题！

踩坑日记

本来自己使用的pytorch版本是1.8，听说tensorwatch对版本有要求，特意装了一个低版本的pytorch，结果还是掉坑里了。

pytorch=1.4
torchvision=0.5.0
pydot=1.4.2
tensorwatch=0.9.1
上述的版本可以画出图，但是画出的图有问题：

import tensorwatch as tw
import torchvision.models
alexnet_model = torchvision.models.alexnet()
img = tw.draw_model(alexnet_model, [1, 3, 224, 224])
img.save(r'alex.jpg')

类似这样（整个只是图的一部分）：

原因：pytorch的版本较高。

出坑日记

这里提供一个可用的版本：
pytorch=1.2
torchvision=0.4.0
pydot=1.4.2
tensorwatch=0.8.7

一、环境安装

按照上面的版本安装pytorch和tensorwatch的环境。

二、graphviz安装

安装 graphviz这个软件，记住安装的目录，并将bin目录添加到系统环境变量中，在命令行中输入dot.exe，如果不报错的话基本上就ok了。

三、逐个解决错误

搞定之后，执行下面的代码不出意外会出现如下错误：

import tensorwatch as tw
import torchvision.models
alexnet_model = torchvision.models.alexnet()
img = tw.draw_model(alexnet_model, [1, 3, 224, 224])

1、第一个错误：KeyError: 'upsample_bilinear2d’
解决方案：找到这个文件symbolic_opset9.py，目录在E:\Anaconda3\envs\pytorch1.2\Lib\site-packages\torch\onnx。同时找到

upsample_nearest3d = _interpolate('upsample_nearest3d', 5, "nearest")

大概在745行左右，将下面的代码粘贴到上面那行代码的下面，第一个问题成功被解决。

upsample_bilinear1d = _interpolate('upsample_bilinear1d', 3, "linear")
upsample_bilinear2d = _interpolate('upsample_bilinear2d', 4, "linear")
upsample_bilinear3d = _interpolate('upsample_bilinear3d', 5, "linear")

2、第二个错误：FileNotFoundError: [WinError 2] “dot” not found in path.
解决方案：对pydot.py文件做如下修改。
（1）、set_prog函数
修改前：

def set_prog(self, prog):
    """Sets the default program.

    Sets the default program in charge of processing
    the dot file into a graph.
    """
    self.prog = prog

修改后：

def set_prog(self, prog):
   """Sets the default program.

   Sets the default program in charge of processing
   the dot file into a graph.
   """
   path = r'E:\Graphviz\bin'
   prog = os.path.join(path, prog)
   prog += '.exe'
   # self.prog = prog
   return prog

（2）、create函数
找到下面这段代码，

if prog is None:
     prog = self.prog
 assert prog is not None

在后面添加，

prog = self.set_prog('dot')

最终，大功告成，可以成功的画出想要的图了，给一个最上面的代码画出AlexNet的例子，如下图（仅截取了小部分）：

注：踩坑日记，如果对你有帮助，欢迎点赞！