轻量好用的神经网络模型可视化工具netron

版权声明:版权所有,转载请申明并附加链接,谢谢! https://blog.csdn.net/qqqzmy/article/details/86060131

轻量好用的神经网络模型可视化工具netron

简介

在复现别人的模型的时候,有时我们要知道一个模型的输入与输出名,可是有时作者并没有告诉我们,要我们自己去查,有了这个工具可以清晰地看见网络的输入输出名,具体的网络结构。相比tensorboard它更加轻量化,而且支持各种框架。

支持的框架

  • support for:
    ONNX (.onnx, .pb, .pbtxt),
    Keras (.h5, .keras),
    CoreML (.mlmodel),
    Caffe2 (predict_net.pb, predict_net.pbtxt),
    MXNet (.model, -symbol.json)
    TensorFlow Lite (.tflite).
  • experimental support for :
    Caffe (.caffemodel, .prototxt),
    PyTorch (.pth),
    Torch (.t7),
    CNTK (.model, .cntk),
    PaddlePaddle (model),
    Darknet (.cfg),
    scikit-learn (.pkl),
    TensorFlow.js (model.json, .pb)
    TensorFlow (.pb, .meta, .pbtxt).

安装方法

支持linux、windows、mac
查看:
https://github.com/lutzroeder/Netron
工具里面的说明进行安装,推荐用pip安装,很方便
如果不想安装的话也没问题,作者提供了一个在线view的网页,只要上传模型就能生成结构了
https://lutzroeder.github.io/netron/

测试

我在linux下安装netron,进行测试
先pip安装:

pip install netron

在这里插入图片描述
新建一个py文件,这里我命名为view_node.py
写入

import netron
modelPath = "googlenet.pb"
netron.start(modelPath)

并将要转换的文件放在py文件同目录下
在命令行窗口执行

python view_node.py

会出现:
在这里插入图片描述
此时图已经生成,打开浏览器,输入上面的网址:
http://localhost:8080
可以看见在这里插入图片描述
这是网络的全貌
进行缩放查看
在这里插入图片描述
可以看见输入输出的名了,而且网络结构也一目了然。

没有更多推荐了,返回首页