torchsummary的使用

这个库可以查看用pytorch搭建的模型，各层输出尺寸。

1.安装

相信大家使用到现在这个地步，导入库已经很熟练了。里面的坑我就不多说。

pip install torchsummary

2.导入

from torchsummary import summary

summary(your_model, input_size=(channels, H, W))

上述的your_model是搭建的模型，input_size是你输入的数据。比如输入一张图片大小为28*28的RGB(3个通道)的图片。那么input_size=(3,28,28)，模型是根据你输入的大小来输出中间过程的模型尺寸。而且这里不能输入多张比如input_size(8, 3, 28, 28)，你想输入八张看效果，不可以的，会报错。

3.使用实例介绍

这里简单导入一个VGG的模型，介绍一下使用情况：

import torch
from torchsummary import summary
from torchvision.models import vgg11

model = vgg11(pretrained=False) #使用现成的VGG11的网络结构
if torch.cuda.is_available():
    model.cuda()
summary(model, (3, 224, 224))

输出结果：

----------------------------------------------------------------
        Layer (type)               Output Shape         Param #
================================================================
            Conv2d-1         [-1, 64, 224, 224]            1792
              ReLU-2         [-1, 64, 224, 224]               0
         MaxPool2d-3         [-1, 64, 112, 112]               0
            Conv2d-4        [-1, 128, 112, 112]           73856
              ReLU-5        [-1, 128, 112, 112]               0
         MaxPool2d-6          [-1, 128, 56, 56]               0
            Conv2d-7          [-1, 256, 56, 56]          295168
              ReLU-8          [-1, 256, 56, 56]               0
            Conv2d-9          [-1, 256, 56, 56]          590080
             ReLU-10          [-1, 256, 56, 56]               0
        MaxPool2d-11          [-1, 256, 28, 28]               0
           Conv2d-12          [-1, 512, 28, 28]         1180160
             ReLU-13          [-1, 512, 28, 28]               0
           Conv2d-14          [-1, 512, 28, 28]         2359808
             ReLU-15          [-1, 512, 28, 28]               0
        MaxPool2d-16          [-1, 512, 14, 14]               0
           Conv2d-17          [-1, 512, 14, 14]         2359808
             ReLU-18          [-1, 512, 14, 14]               0
           Conv2d-19          [-1, 512, 14, 14]         2359808
             ReLU-20          [-1, 512, 14, 14]               0
        MaxPool2d-21            [-1, 512, 7, 7]               0
           Linear-22                 [-1, 4096]       102764544
             ReLU-23                 [-1, 4096]               0
          Dropout-24                 [-1, 4096]               0
           Linear-25                 [-1, 4096]        16781312
             ReLU-26                 [-1, 4096]               0
          Dropout-27                 [-1, 4096]               0
           Linear-28                 [-1, 1000]         4097000
================================================================
Total params: 132863336
Trainable params: 132863336
Non-trainable params: 0
----------------------------------------------------------------