神经网络可视化工具netron详细安装流程

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/nan355655600/article/details/106245563


1.netron 简介

在实际的项目中,经过会遇到各种网络模型,需要我们快速去了解网络结构。如果单纯的去看模型文件,脑海中很难直观的浮现网络的架构。
这时,就可以使用netron可视化工具,可以清晰的看到每一层的输入输出,网络总体的架构,而且支持各种不同网络框架,简单好用。

2.不同操作系统下的安装使用方式

2.1 在线版本:只要有浏览器就可以

浏览器中输入链接:https://lutzroeder.github.io/netron/

netron
点击Open Model,打开相应的网络模型文件即可。

2.2 不同操作系统安装使用

netron官方的Github链接:https://github.com/lutzroeder/netron

(1)window系统

打开官方Github链接,点击Download处下载.exe应用程序,即可使用
在这里插入图片描述

(2)Linux系统

第一种方式:
打开官方Github链接,点击Download处下载文件,并运行安装命令
在这里插入图片描述
第二种方式:
在终端命令下输入pip install netron
下载好后,在终端下输入 netron,在浏览器上输入 loaclhost:8080 即可

(3)Mac系统

打开官方Github链接,点击Download处下载文件,并运行安装命令
在这里插入图片描述

3.netron支持的网络框架

(1)支持的框架及对应的文件

在这里插入图片描述

(2)实验式支持,可能不太稳定

在这里插入图片描述

4.netron测试演示

点击Open Model,打开上述对应文件,即可看到对应的网络架构,比如Yolov4的部分网络结构图
在这里插入图片描述

5. Yolov3&Yolov4&Yolov5资源下载

此处放上Yolov3&Yolov4&Yolov5使用netron工具打开的网络结构图:
(1) Yolov3的可视化网络结构图:点击查看
(2) Yolov4的可视化网络结构图:点击查看
(3) Yolov5s可视化网络结构图:点击查看
(4) Yolov5m可视化网络结构图:点击查看
(5) Yolov5l可视化网络结构图:点击查看
(6) Yolov5x可视化网络结构图:点击查看

但最好的方式,还是使用netron工具打开cfg文件或者Yolov5的onnx文件,可以看到网络的各个细节,因此也放上链接,和大白画得网络结构图一起查看,思路更加清晰:
(1) Yolov3&Yolov4&Yolov5网络权重及高清网络结构图下载:点击查看

                                </div><div><div></div></div>
            <link href="https://csdnimg.cn/release/phoenix/mdeditor/markdown_views-60ecaf1f42.css" rel="stylesheet">
                            </div>
  • 0
    点赞
  • 5
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
引用[1]:CSPNet: A New Backbone that can Enhance Learning Capability of CNN[^1]。引用:yolox在backbone部分引入的focus网络,类似于pooling的策略,但是他没有像maxpooling一样把小的feature丢掉,而是隔一个位置取一个值后堆叠到channel中,因为我们知道通道数越高,表征能力越强。再次我们看一下作者用silu替换了relu,silu的优势在于它是全局可导的,不存在不可导的0点。另外,在backbone部分,我们可以得到的启示就是,怎样将小的conv+bn+silu组成的基本卷积结构构造成不同类型的残差结构。另外,在head部分,作者认为yolov3中的类别和坐标放到一个1∗1卷积得到,会相互影响。因此把它分成两个分支[^2]。 有许多卷积神经网络可视化工具可用于可视化网络结构和特征图。以下是一些常用的工具: 1. TensorBoard:TensorBoard是TensorFlow的官方可视化工具,它可以用于可视化网络结构、训练过程和特征图。通过使用TensorBoard的`tf.summary.FileWriter`和`tf.summary.histogram`等函数,可以将网络结构和特征图保存为TensorBoard可读取的格式,并在浏览器中进行可视化展示。 2. NetronNetron是一个开源的神经网络模型可视化工具支持多种深度学习框架的模型可视化,包括TensorFlow、PyTorch、Caffe等。它可以直接加载模型文件,并以图形方式显示网络结构,方便用户进行可视化分析。 3. PyTorch的torchsummary和torchviz:PyTorch提供了torchsummary和torchviz两个库,可以用于可视化PyTorch模型的网络结构。torchsummary可以打印出模型的层次结构和参数数量,而torchviz可以生成模型的计算图。 4. Keras的plot_model:Keras提供了plot_model函数,可以将Keras模型保存为图像文件,以可视化网络结构。该函数可以将模型的层次结构、输入和输出形状等信息绘制成图形,方便用户进行可视化分析。 这些工具可以帮助您更好地理解和分析卷积神经网络的结构和特征图。您可以根据自己的需求选择适合的工具进行使用。

“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
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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