深度学习模型内部子层执行顺序查看

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。