使用torchsummary打印出神经网络的形状和参数大小

最新推荐文章于 2024-06-30 00:00:42 发布
最新推荐文章于 2024-06-30 00:00:42 发布
阅读量1.6k 收藏 3
点赞数 2
文章标签： python 深度学习
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/sinat_41026716/article/details/105726239
版权

首先安装torchsummary

pip install torchsummary

直接另存为py文件

from torchsummary import summary
import torchvision.models as models
model = models.vgg16_bn()
model = model.cuda()
summary(model, input_size=(3,224,224), batch_size=-1, device='cuda')

结果如下

在这里插入图片描述

木昜木
关注
PyTorch深度学习实战（3）——使用PyTorch构建神经网络
盼小辉丶的博客
06-13 6万+
PyTorch 是一个用于构建深度神经网络的库，具有灵活性和可扩展性，可以轻松自定义模型。在本节中，我们将使用 PyTorch 库构建神经网络，利用张量对象操作和梯度值计算更新网络权重，并利用 Sequential 类简化网络构建过程，最后还介绍了如何使用 save、load 方法保存和加载模型，以节省模型训练时间。
PyTorch深度学习实战（13）——可视化神经网络中间层输出
盼小辉丶的博客
08-24 4572
通过可视化特征学习的结果，我们可以以直观的方式观察网络在处理数据时发生的变化，利用可视化方法能够探索中间层的输出，理解网络如何对输入数据进行编码和转换。我们可以通过观察特征图、梯度分布、降维可视化等手段来揭示网络中学到的有用模式、边缘检测、颜色分布等。在本节中，我们将探索神经网络究竟学到了什么，使用卷积神经网络 (Convolutional Neural Networks, CNN) 对包含 X 和 O 图像的数据集进行分类，并检查网络层输出了解激活结果。
torchsummary 中input size 异常的问题
爪爪熊的博客
09-25 7149
爪爪熊原创文章----谢绝转载 本文解决问题： torchsummary针对多个输入模型的时候，其输出信息中input size等存在着错误，这里提供方案解决这个错误。 当我们使用pytorch搭建好我们自己的深度学习模型的的时候，我们总想看看具体的网络信息以及参数量大小，这时候就要请出我们的神器 torchsummary了，torchsummary的简单使用如下所示： # pip install torchsummary from torchsummary import summary model
Pytorch：summary（）函数打印网络结构
m0_47090348的博客
10-12 951
但是这样打印出来的网络结构也不太好看。首先，安装torchinfo库（可以使用pip，也可以在pycharm的setting里下载安装）运行截图：（以下截图不是AlexNet的网络结构，我随便找的一个网络运行的结果）
PyTorch 打印网络模型结构
A_John 的博客
04-08 2万+
PyTorch 打印网络模型结构 使用 Print() 函数打印网络 我们在使用PyTorch打印模型结构时都是这样操作的： model = simpleNet() print(model) 可以很容易发现这样打印出来的网络结构 ``不清晰`` ，参数看起来都很 ``乱`` ! 如果是一个简单一点的网络可能影响不是很大，但当随着网络层数加深、结构复杂、参数量变大时，就会看得很难受 ！...
pytorch 笔记：torchsummary、计算模型参数量
qq_40206371的博客
09-29 4035
作用：打印神经网络的结构 以pytorch笔记：搭建简易CNN_UQI-LIUWJ的博客-CSDN博客中搭建的CNN为例 import torch from torchsummary import summary class CNN(nn.Module): def __init__(self): super(CNN,self).__init__() self.conv1=nn.Sequential( nn.Conv2d( .
常用组件详解（二）：torchsummary
最新发布
悟兰因的博客
06-30 1287
库是一个好用的模型可视化工具，用于帮助开发者把握每个网络层级的细节，包括其中的连接和维度。表示输入数据的大小。约等于0.19MB。
神经网络与深度学习（六）卷积神经网络（3）LeNet实现MNIST
weixin_53651790的博客
10-31 484
基于LeNet实现手写体数字识别
神经网络与深度学习（六）卷积神经网络（4）ResNet18实现MNIST
m0_63172447的博客
11-06 538
本次是实验通过ResNet经典残差网络完成了Mnist手写数字的识别，学到了很多知识，对残差网络的结构，模型训练有更多的认识，希望能学到更多。
NNDL 实验六 卷积神经网络（3）LeNet实现MNIST
m0_59158839的博客
11-03 645
LeNet
Pytorch：打印模型中每一层的输出大小shape与参数量
weixin_42233605的博客
06-10 7500
在使用Pytorch编写模型时，为了验证检查代码是否正确，需要查看模型每一层的输出shape或是模型结构。 然而在Pytorch只能够直接查看模型的结构，无法简单、直观地查看每一层的输出大小，需要自行手动计算，并且在输入shape改变时，每一层的输出同样随之变化，需要重复计算。 因此，这里建议使用一个工具，torchsummary...
使用torchsummary包实现网络结构可视化
梦在黎明破晓时的博客
03-14 1614
经上图可见，torchsummary可以查看网格参数量，网络模型大小等信息。Windows+r，打开cmd命令，使用pip下载安装包。完成以上步骤后，进入自己的python环境，运行代码如下。1.安装torchsummary。
torchsummary使用报错问题“ list has no shape“及解决方案
qq_43210029的博客
01-28 333
torchsummary使用经验
pytorch基础学习-torchsummary计算参数量
小夭的博客
02-27 2036
torchsummary使用
ModuleNotFoundError: No module named ‘torchsummary’
Docrymoon的博客
03-18 2858
torchsummary被安装到了别的地方，并不在目前我所在的conda虚拟环境里。将步骤1的路径复制并添加/bin/pip。
pytorch 网络可视化(一)：torchsummary
热门推荐
书山有路，学海无涯！
07-06 4万+
安装 torchsummary 在 Anaconda prompt 中进入自己的 pytorch 环境，安装依赖包。 pip install torchsummary 具体如下所示（其中 pytorch-cpu 是我自己的 pytorch 环境）: 测试是否下载成功 安装完成后运行 python 进入交互式环境，导入 torchsummary, 不报错的话就是安装成功了。 输出网络结构 完成以上步骤后，进入自己的 python编辑环境，运行如下代码。 from torchsummary import
模型可视化库torch-summary使用
qq_40379977的博客
01-31 3558
torch-summary的简单使用。
pytorch输出tensor的size
albus_ma的博客
05-05 2万+
在调试工作中 print( list( out2.size() ) ) 就会以列表的形式输出该张量的大小
Pytorch conv2d 关于输入输出尺寸的介绍
test
03-05 1万+
本来不是啥比较难的东西，因为没怎么用，又忘记了，放在这儿，做个备忘！！input     w*houtput   wo*hofilter   FPadding  Pstride    Swo = (w - F + 2*P)/S +1
写出使用torchsummary库中的summary函数计算模型大小的代码
04-11
当然可以，以下是使用torchsummary库中的summary函数计算模型大小的代码示例： ```python import torch from torchsummary import summary model = some_model() # 替换成你自己的模型 device = torch.device('cuda' if torch.cuda.is_available() else 'cpu') model.to(device) summary(model, input_size=(batch_size, input_channels, height, width), device=device) ``` 其中，`some_model()`是你自己创建的模型；`batch_size`是你选择的批大小；`input_channels`、`height`和`width`是你选择的输入张量的通道数、高度和宽度。当你运行该代码时，你将在输出中看到类似下面的内容： ``` ---------------------------------------------------------------- Layer (type) Output Shape Param # ================================================================ Conv2d-1 [128, 64, 56, 56] 9,408 BatchNorm2d-2 [128, 64, 56, 56] 128 ReLU-3 [128, 64, 56, 56] 0 MaxPool2d-4 [128, 64, 28, 28] 0 Conv2d-5 [128, 128, 28, 28] 73,728 BatchNorm2d-6 [128, 128, 28, 28] 256 ReLU-7 [128, 128, 28, 28] 0 MaxPool2d-8 [128, 128, 14, 14] 0 Conv2d-9 [128, 256, 14, 14] 294,912 BatchNorm2d-10 [128, 256, 14, 14] 512 ReLU-11 [128, 256, 14, 14] 0 Conv2d-12 [128, 256, 14, 14] 589,824 BatchNorm2d-13 [128, 256, 14, 14] 512 ReLU-14 [128, 256, 14, 14] 0 MaxPool2d-15 [128, 256, 7, 7] 0 Linear-16 [128, 1024] 25,690,880 ReLU-17 [128, 1024] 0 Dropout-18 [128, 1024] 0 Linear-19 [128, 10] 10,250 ================================================================ Total params: 26,669,890 Trainable params: 26,669,890 Non-trainable params: 0 ---------------------------------------------------------------- Input size (MB): 73.78 Forward/backward pass size (MB): 10848.50 Params size (MB): 101.69 Estimated Total Size (MB): 10923.97 ----------------------------------------------------------------- ``` 这些输出提供了你的模型各层的输出形状和参数数量，以及整个模型所需的总参数数量和总内存大小。记得替换掉`some_model()`、`batch_size`、`input_channels`、`height`和`width`等变量以符合你的情况。
评论 1
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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
实付元
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