使用Keras中的summary()函数即可对模型内部的子层调用顺序进行可视化,pytorch选手可先安装torchkeras包,即可使用summary函数。该函数的打印顺序和子层的调用顺序是一致的,和子层的定义顺序无关。论据如下:
from torchkeras import summary
class TestModel(torchkeras.Model):
def __init__(self):
super(TestModel, self).__init__()
self.conv1 = nn.Conv2d(3, 32, kernel_size=1, stride=1)
self.act = nn.GELU()
def forward(self, x):
x = self.act(x)
x = self.conv1(x)
return x
def test2():
model = TestModel()
summary(model, input_shape=(3, 224, 224))
# test()
test2()
上述代码中先定义的是卷积层再是激活层,而打印结果却是先激活层后卷积层,和forward函数中的执行顺序是一致的。
这个操作对理清别人的模型设方法会有所帮助。