torch-summary / tensorboard 无法使用

最新推荐文章于 2024-10-08 16:22:21 发布

什鲤子

最新推荐文章于 2024-10-08 16:22:21 发布

阅读量697

点赞数

分类专栏：笔记文章标签：深度学习人工智能

本文链接：https://blog.csdn.net/m0_48209770/article/details/127965270

版权

笔记专栏收录该内容

5 篇文章 0 订阅

订阅专栏

问题

torch-summary的无效输出

==========================================================================================
Layer (type:depth-idx)                   Output Shape              Param #
==========================================================================================
└─Generator: 0-1                         [-1, 3, 256, 256]         --
==========================================================================================
Total params: 0
Trainable params: 0
Non-trainable params: 0
Total mult-adds (M): 0.00
==========================================================================================
Input size (MB): 0.00
Forward/backward pass size (MB): 0.00
Params size (MB): 0.00
Estimated Total Size (MB): 0.00
=========================================================================================

tensorboard 报错

Cannot insert a Tensor that requires grad as a constant. Consider making it a parameter or input, or detaching the gradient

原因

参考博客
构建模型时，不应使用的是python原生 list ，而应使用 nn.ModuleList
构建完后使用 self.layers = nn.ModuleList(self.layers) 将原生 list 转换为 nn.ModuleList 即可。

效果

====================================================================================================
Layer (type:depth-idx)                             Output Shape              Param #
====================================================================================================
├─ModuleList: 1                                    []                        --
|    └─Sequential: 2-1                             [-1, 512, 4, 4]           --
|    |    └─ParametrizedConvTranspose2d: 3-1       [-1, 512, 4, 4]           819,712
|    |    └─BatchNorm2d: 3-2                       [-1, 512, 4, 4]           1,024
|    |    └─ReLU: 3-3                              [-1, 512, 4, 4]           --
|    └─Sequential: 2-2                             [-1, 256, 8, 8]           --
|    |    └─ParametrizedConvTranspose2d: 3-4       [-1, 256, 8, 8]           2,097,408
|    |    └─BatchNorm2d: 3-5                       [-1, 256, 8, 8]           512
|    |    └─ReLU: 3-6                              [-1, 256, 8, 8]           --
|    └─Sequential: 2-3                             [-1, 128, 16, 16]         --
|    |    └─ParametrizedConvTranspose2d: 3-7       [-1, 128, 16, 16]         524,416
|    |    └─BatchNorm2d: 3-8                       [-1, 128, 16, 16]         256
|    |    └─ReLU: 3-9                              [-1, 128, 16, 16]         --
|    └─Sequential: 2-4                             [-1, 64, 32, 32]          --
|    |    └─ParametrizedConvTranspose2d: 3-10      [-1, 64, 32, 32]          131,136
|    |    └─BatchNorm2d: 3-11                      [-1, 64, 32, 32]          128
|    |    └─ReLU: 3-12                             [-1, 64, 32, 32]          --
|    └─Sequential: 2-5                             [-1, 32, 64, 64]          --
|    |    └─ParametrizedConvTranspose2d: 3-13      [-1, 32, 64, 64]          32,800
|    |    └─BatchNorm2d: 3-14                      [-1, 32, 64, 64]          64
|    |    └─ReLU: 3-15                             [-1, 32, 64, 64]          --
|    |    └─Self_Attn: 3-16                        [-1, 32, 64, 64]          1,321
|    └─Sequential: 2-6                             [-1, 16, 128, 128]        --
|    |    └─ParametrizedConvTranspose2d: 3-17      [-1, 16, 128, 128]        8,208
|    |    └─BatchNorm2d: 3-18                      [-1, 16, 128, 128]        32
|    |    └─ReLU: 3-19                             [-1, 16, 128, 128]        --
|    |    └─Self_Attn: 3-20                        [-1, 16, 128, 128]        341
|    └─Sequential: 2-7                             [-1, 3, 256, 256]         --
|    |    └─ParametrizedConvTranspose2d: 3-21      [-1, 3, 256, 256]         771
|    |    └─Tanh: 3-22                             [-1, 3, 256, 256]         --
====================================================================================================
Total params: 3,618,129
Trainable params: 3,618,129
Non-trainable params: 0
Total mult-adds (M): 17.72
====================================================================================================
Input size (MB): 0.00
Forward/backward pass size (MB): 7.69
Params size (MB): 13.80
Estimated Total Size (MB): 21.49
====================================================================================================

tensorboard也不再报错