模型可视化工具——Netron(支持tf, caffe, keras,mxnet等多种框架)

最新推荐文章于 2023-06-20 19:54:21 发布
最新推荐文章于 2023-06-20 19:54:21 发布
阅读量400 收藏 1
点赞数
分类专栏： 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/weixin_38324954/article/details/112526946
版权

加载模型预训练权重时一般需要查看各节点信息，因此需要对权重文件进行可视化展示。
目前的Netron支持主流各种框架的模型结构可视化工作

框架对应文件
ONNX.onnx, .pb
Keras.h5, .keras
CoreML.mlmodel
TensorFlow Lite.tflite

安装

Netron支持windows，Linux，mac系统下载链接如下：
https://github.com/lutzroeder/netron/releases/tag/v4.7.0
我的电脑为windows系统，所以直接下载.exe文件即可
在这里插入图片描述
下载完成后直接双击进行安装。

使用

双击打开安装好的软件，然后选择点击file选择自己所要观看的模型文件即可
在这里插入图片描述
得到的网络结构图如下
在这里插入图片描述
参考博客：
https://blog.csdn.net/leviopku/article/details/81980249

weixin_38324954
关注
  • 0
    点赞
  • 踩
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
深度学习+网络模型节点查看Netron-Setup-4.4.1
04-12
网络模型节点查看 支持.pb，.pt，.onnx等格式
ONNX内部节点修改方法
sunnygirl's house
05-22 1970
1. 载入ONNX文件 import onnx onnx_model = onnx.load("test.onnx") graph = onnx_model.graph node = graph.node for i in range(len(node)): print(node[i]) 我们可以依靠上述代码输出该模型的节点个数，还有节点中的属性信息，当然也包含静态图的链路形状。 2. 搜索目标节点 接着，依据节点ID找到我们需要修改的Resize节点，这里需要注意的是，Netron可视化
修改onnx模型输出示例
轻舟已过万重山的博客
01-14 5765
前言 如图是netron(github链接)软件中打开的onnx模型，可以看到右边模型的最终输出结果是分类值predict_0而非概率值，那么如何获取中间过程的概率值，或者说怎么把右边的图砍掉一截变成左边的图呢？ 代码 读入模型 import onnx onnx_model = onnx.load("xxx.onnx") graph = onnx_model.graph 首先以图的形式读入你的模型，图一般包括node（节点），initializer（初始化），input（输入），output（输出）四部
获取指定的元素节点
weixin_30501857的博客
12-13 87
1.获取 id 为 -- 的那个节点 document.getElementByID("") 注：在编写HTML文档时，需确保id 属性值是唯一的。 　　任何一个节点都有这个方法 2. 使用标签名获取指定节点的集合 该方法为Node接口的方法，即任何一个节点都有这个方法 document.getElementsByTagName("") 该方法获取所有 li 节点 ...
pt转onnx
Shaoyc
03-30 5275
pt模型转onnx模型完整流程
pytorch快速上手-----netron查看神经网络结构图
zyz博客
03-07 2466
netron是一个深度学习模型netron并不支持pytorch通过torch.save方法导出的模型文件，因此在pytorch保存模型的时候，需要将其导出为onnx格式的模型文件，可以利用torch.onnx模块实现这一目标。第一步，pytorch导出onnx格式的模型文件。第二步，netron载入模型文件，进行可视化。接下来按照这两步进行实践。
深度学习-网络模型的可视化工具总结
记录学习的小白
06-20 2414
使用Keras.js，可以轻松地生成神经网络模型的摘要。摘要提供了模型的层级结构、层级名称、输出形状和可训练参数数量等信息。这有助于用户快速了解模型的组成和规模。
模型可视化工具Netron手把手教学
专注于AI领域前沿技术学习与分享：目标检测、图像修复、超分重建、AI工程化
11-11 5928
这个工具主要是帮助我们可视化网络模型层结构，可以观察到每个层的name、输入输出shape，有时候和模型本身代码对照来看，就会更容易看明白每一层的含义； 有时候，在推理时，通过观察这个可视化结构，比较容易看出来网络是否有冗余的层（推理时不需要）
如何在Linux上快速使用Netron模型可视化工具（保姆级教程）
零碎@流年絮语 的博客
01-19 2633
文章目录NetronNetron是什么？下载Netron（Linux版本）如何使用AppImage文件安装运行运行情况如下 Netron Netron是什么？ 可视化模型结构的神器，目前的Netron支持主流各种框架的模型结构可视化工作。 Netron 支持tf, caffe, keras,mxnet,pytorch等多种框架 下载Netron（Linux版本） GitHub链接：https://github.com/lutzroeder/netron 下载对应的Linux版本，后缀为.AppImage文
深度学习模型可视化画图工具(支持tf, caffe, keras,mxnet等多种框架)——Netron3.5.2
11-07
Netron官方版提供了直观清晰的操作界面，可以方便开发人员更加地轻松地传输相应的型，并能够有效地解决在框架间交换模型时需要转换的问题，同时兼容win、mac、linux等操作系统，可以满足大家的不同需求。
Netron安装包
03-28
Netron安装包
Netron-Setup-5.8.2-Netron机器学习模型的可视化工具
05-27
Netron 支持 ONNX、Keras、TensorFlow Lite、Caffe、Darknet、Core ML、MNN、MXNet、ncnn、PaddlePaddle、Caffe2、梭子鱼、Tengine、TNN、RKNN、MindSpore Lite 和 UFF。Netron 为 TensorFlow、PyTorch、TorchScript...
【最新版】Netron-4.0.4-mac.zip【亲测可用】最好的用于神经网络，深度学习和机器学习模型的可视化工具
04-10
Netron支持ONNX （ .onnx ， .pb ， .pbtxt ）， .pbtxt （ .h5 ， .keras ）， Core ML （ .mlmodel ）， Caffe （ .caffemodel ， .prototxt ）， Caffe2 （ predict_net.pb ， predict_net.pbtxt ）， Darknet ...
Netron-3.9.7.AppImage
03-11
Keras (.h5, .keras), CoreML (.mlmodel), Caffe2 (predict_net.pb, predict_net.pbtxt), MXNet (.model, -symbol.json) TensorFlow Lite (.tflite). experimental support for ： Caffe (.caffemodel, ....
Netron:用于神经网络的可视化器，深度学习，机器学习模型-开源
04-29
Netron支持ONNX，Keras，TensorFlow Lite，Caffe，Darknet，Core ML，MNN，MXNet，ncnn，PaddlePaddle，Caffe2，Barracuda，Tengine，TNN，RKNN，MindSpore Lite和UFF。 Netron具有对TensorFlow，PyTorch，Torch...
TypeError: Expected a message Descriptor, got Descriptor
weixin_38324954的博客
04-15 8895
利用tensorflow(1.12.0),keras(2.2.4)进行模型训练时，出现如下报错： TypeError: Expected a message Descriptor, got Descriptor 问题解决： 有资料表示是由于tensorflow与protobuf版本不匹配，tensorflow与protobuf的版本对应关系如下： tensorflow 1.5 --------------- protobuf 3.4 tensorflow 1.12 --------------- prot
ImportError: cannot import name ‘issparse‘
weixin_38324954的博客
04-15 4449
环境： windows tensorflow-gpu 1.12.0 keras 2.2.4 问题： 利用tensorflow,keras训练模型时出现如下报错： ImportError: cannot import name 'issparse' 问题解决： 有资料表示是由于没有安装scipy模块导致的，但是我检查发现自己已经安装了scipy，还是会报错。试图将scipy升级到最新版本1.5.4,之后再运行不报错。 ...
模型训练技巧：warmup学习率策略
weixin_38324954的博客
04-29 3464
什么是warmup 学习率的设置 — 不同阶段不同值：上升 -> 平稳 -> 下降 由于神经网络在刚开始训练的时候是非常不稳定的，因此刚开始的学习率应当设置得很低很低，这样可以保证网络能够具有良好的收敛性。但是较低的学习率会使得训练过程变得非常缓慢，因此这里会采用以较低学习率逐渐增大至较高学习率的方式实现网络训练的“热身”阶段，称为 warmup stage。 但是如果我们使得网络训练的 loss 最小，那么一直使用较高学习率是不合适的，因为它会使得权重的梯度一直来回震荡，很难使训练的损失值达到
语义分割之Dice Loss
weixin_38324954的博客
04-29 2960
1.Dice系数 Dice系数作为损失函数的原因和混淆矩阵有着很大的关系，下图给出的是一个混淆矩阵： 其中的一些关键指标如下： precision=TPTP+FPprecision=\frac{TP}{TP+FP}precision=TP+FPTP​ recall=TPTP+FNrecall=\frac{TP}{TP+FN}recall=TP+FNTP​ 精确率(precision)表示的是预测为正且真实为正的占预测为正的比例 召回率(recall)表示的是预测为正且真实为正的占样本为正的比例 在医学图象分
推荐20种可视化深度学习模型的工具
最新发布
09-18
3. Netron：一个轻量级的模型可视化工具，支持多种深度学习框架的模型文件可视化。 4. TensorFlow Playground：一个基于Web的交互式可视化工具，用于探索和理解深度学习模型的行为。 5. CaffeVis：Caffe框架的可视...

“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

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