Windows 下可视化模型结构 PyTorch 中的模型结构可视化

Windows 下可视化模型结构可以使用 Graphviz 和 Pydotplus 库来实现。以下是一个简单的例子，可以将 PyTorch 中的模型结构可视化，假设模型已经定义为 model：

import torch
from torchviz import make_dot
import pydotplus
from IPython.display import Image

# create an example input tensor
x = torch.randn((1, 3, 32, 32))

# visualize the model
dot = make_dot(model(x), params=dict(model.named_parameters()))
graph = pydotplus.graph_from_dot_data(dot.source)
Image(graph.create_png())

在这个例子中，我们使用 make_dot() 函数生成模型计算图形，然后使用 Pydotplus 在本地渲染该图形，并使用 IPython.display 库显示 Pydotplus 渲染的图形文件。具体来说，该图像的保存方式为 PNG 格式。

注意：如果电脑中没有 Graphviz，需要去官网下载并安装它。注意把 Graphviz 的 bin 目录添加到 PATH 环境变量中，否则无法加载 Graphviz。

有时候加载错误是因为要加载的 PyTorch 模型的状态字典格式不正确。 错误信息指出，期望状态字典是类似字典的数据类型，但得到的类型是模型类。该模型类不能直接用作状态字典。

要解决这个问题，您可以使用 PyTorch Model Zoo 中提供的预训练模型权重，或者确保手动将您的模型的状态字典保存为 PyTorch 中通用的 dict-like 类型。

如果您正在尝试加载预训练的 PyTorch 模型权重，则需要使用 torch.load() 函数进行加载，如下所示：

import torch
def load_weights(model, weight_path):
    state_dict = torch.load(weight_path, map_location=torch.device('cuda' if torch.cuda.is_available() else 'cpu'))
    model.load_state_dict(state_dict)

# create an instance of the model
def create_model():
    model = SwinTransformer()
    return model

# create instance of the model and load pretrained weights
def load_pretrained_model():
    model = create_model()
    load_weights(model, "pretrained_weights.pt")
    return model

在上面的代码中，我们定义了一个 load_weights() 函数，该函数接受一个模型和权重文件路径，并使用 torch.load() 函数加载并返回一个状态字典。然后我们定义了一个 create_model() 函数来创建模型，接着定义了一个 load_pretrained_model() 函数，该函数使用 load_weights() 来加载权重文件并返回一个加载了预训练权重的模型。

如果您正在尝试加载自己的 PyTorch 模型权重，则需要手动将模型的状态字典保存为 PyTorch 中通用的 dict-like 类型。在 PyTorch 中，您可以使用 state_dict() 函数来获取模型的状态字典，然后使用 torch.save() 函数将其保存为文件，如下所示：

import torch
def save_weights(model, weight_path):
    state_dict = model.state_dict()
    torch.save(state_dict, weight_path)

# create an instance of the model
def create_model():
    model = SwinTransformer()
    return model

# create instance of the model and save weights
model = create_model()
save_weights(model, "model_weights.pt")

在上面的代码中，我们定义了一个 save_weights() 函数，该函数接受一个模型和权重文件路径，并使用 state_dict() 函数获取模型的状态字典，然后使用 torch.save() 将其保存为文件。然后我们定义了一个 create_model() 函数和一个示例 model 实例，以及将权重文件保存在本地的 save_weights() 函数调用。

该代码段中生成的模型可视化图将显示在 Jupyter Notebook (或任何使用 Ipython 内核的交互 Python 环境) 中，并且可以在 Jupyter Notebook 中直接看到。

但是，如果您希望将它保存到本地文件系统，则可以使用 Pydotplus 库的 write 函数将其保存为 PNG 或 PDF 文件，如下所示：

import torch
from torchviz import make_dot
import pydotplus

# create an example input tensor
x = torch.randn((1, 3, 32, 32))

# visualize the model
dot = make_dot(model(x), params=dict(model.named_parameters()))
graph = pydotplus.graph_from_dot_data(dot.source)

# save the graph to file
graph.write_png("model.png")
graph.write_pdf("model.pdf")

这将把可视化图形保存为 PNG 和 PDF 文件，它们将与脚本或 Jupyter Notebook 文件位于同一目录中。