github可视化工具_【神经网络可视化01】——用Netron实现可视化

版权声明：小博主水平有限，博文仅代表个人观点，希望大家多多指导。

---

参考：

1、神经网络可视化(一)——Netron - 云+社区 - 腾讯云

神经网络可视化(一)--Netron - 云+社区 - 腾讯云​cloud.tencent.com

2、神经网络可视化(二)——收集的一些常见的网络可视化方法 - 云+社区 - 腾讯云

神经网络可视化(二)--收集的一些常见的网络可视化方法 - 云+社区 - 腾讯云​cloud.tencent.com

---

1、介绍Netron

尝试着用过一些深度神经网络可视化的工具，但是体验下来最喜欢就是这一款——Netron。

关键是简单快捷，就像平时的保存文件、打开文件这样。

这样一款神器的开发作者是微软的大神Lutz Roeder，在自己的家中完成的。

项目GitHub：

lutzroeder/netron​github.com

Lutz Roeder个人网站：

Lutz Roeder's Deep Learning​www.lutzroeder.com

---

2、Netron强大的原因

（1）所支持的平台广泛。不想tensorboard等较为“专一”的可视化平台，当前主流的深度学习框架，Netron都能得到很好的支持；

（2）操作简单快捷。不需要写一行代码，只需要下载软件安装，然后打开需要可视化的文件，一步操作即可，当然也可以通过代码实现；

（3）保存快捷。对于可视化的结果，就像保存普通的文件一样，一步到位，保存在自己的电脑上。

---

3、Netron支持的框架

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。

而Netron最为强大的功能，就在于它所支持的框架十分广泛，下面是一些支持的框架：

ONNX (.onnx, .pb, .pbtxt),

——————————————————————Keras (.h5, .keras),

CoreML (.mlmodel),

Caffe2 (predict_net.pb, predict_net.pbtxt),

MXNet (.model, -symbol.json)

TensorFlow Lite (.tflite).

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).

---

4、安装Netron

（1）下载地址：

lutzroeder/netron​github.com

（2）【推荐】python版Netron安装说明：

进入tensorflow环境，然后输入pip install netron

（3）【推荐】网页版Netron

进入网址后，点击Start

lutzroeder/netron​github.com

或者是输入如下链接：https://lutzroeder.github.io/netron/

如图操作

---

5、使用Netron

建议使用 网页版Netron 或者 Python版Netron

输入如下链接： https:// lutzroeder.github.io/ne tron/
会打开一个网页，网页的界面很简单，直接单击网页中的Open Model按钮，选择需要可视化的文件（文件类型参见上面）

下载个案例，测试一下

这是tensorflow下的，支持TensorFlow (.pb, .meta, .pbtxt)文件……

可视化结果的部分……

---

祝，学习顺利