可视化工具netron的使用

介绍

最近经常会遇到这样的情形，拿到一个开源的预训练模型作测试，想把它转到nccn或mnn平台，但是不知道模型中的输入输出名，这个时候我们自然就想到了用可视化工具画出网络来看一看。而netron就是一个可以支持各种框架的神经网络模型可视化工具。

支持的后缀

根据netron的github（https://github.com/lutzroeder/Netron）
目前netron支持 ONNX (.onnx, .pb, .pbtxt), Keras (.h5, .keras), Core ML (.mlmodel), Caffe (.caffemodel, .prototxt), Caffe2 (predict_net.pb, predict_net.pbtxt), Darknet (.cfg), MXNet (.model, -symbol.json), ncnn (.param) and TensorFlow Lite (.tflite)。
并且实验性支持TorchScript (.pt, .pth), PyTorch (.pt, .pth), Torch (.t7), Arm NN (.armnn), BigDL (.bigdl, .model), Chainer (.npz, .h5), CNTK (.model, .cntk), Deeplearning4j (.zip), MediaPipe (.pbtxt), ML.NET (.zip), MNN (.mnn), OpenVINO (.xml), PaddlePaddle (.zip, model), scikit-learn (.pkl), TensorFlow.js (model.json, .pb) and TensorFlow (.pb, .meta, .pbtxt, .ckpt, .index)。

操作

安装模块

pip install netron

创建文件

比如我创建一个名为test.py的文件

import netron
modelPath = "你的模型文件名.扩展名"
netron.start(modelPath)

运行文件

python test.py

程序运行完后会自动打开浏览器到地址http://localhost:8080

如下图所示是我打开的后缀为.pdmodel：