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.com2、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.com1、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/netrongithub.comLutz Roeder个人网站:
Lutz Roeder's Deep Learningwww.lutzroeder.com2、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/netrongithub.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
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