【AI】模型结构可视化工具Netron应用

最新推荐文章于 2025-03-21 21:44:20 发布

AI柱子哥

最新推荐文章于 2025-03-21 21:44:20 发布

阅读量2.7k

点赞数 34

分类专栏：人工智能文章标签：人工智能模型可视化 Netron

本文链接：https://blog.csdn.net/zhoulizhu/article/details/135033229

版权

随着AI模型的发展，模型的结构也变得越来越复杂，理解起来越来越困难，这时候能够画一张结构图就好了，就像我们在开发过程中用到的UML类图，能够直观看出不同层之间的关系，于是Netron就来了。
Netron支持神经网络、深度学习和机器学习网络的可视化。支持 ONNX, TensorFlow Lite, Core ML, Keras, Caffe, Darknet, MXNet, PaddlePaddle, ncnn, MNN 和 TensorFlow.js格式的可视化展示，同时还实验性的支持PyTorch, TorchScript, TensorFlow, OpenVINO, RKNN, MediaPipe, ML.NET,scikit-learn格式的展示。

1.安装运行

Netron支持在线和离线的操作，可以直接在网页上进行展示，
在线运行地址：https://netron.app/
在这里插入图片描述

也可以使用官方提供的本地安装文件进行安装，可以直接去github上下载最新版本的。
Github下载地址：https://github.com/lutzroeder/netron/releases/

在这里插入图片描述

2.使用

以网页版为例，进去页面之后发现界面很简单，直接点击Open Model就可以选择需要展示的模型结构了，我这边以YOLO V5的模型为例进行演示：
在这里插入图片描述
这里可以直观显示每一层结构
如果不习惯竖着看，可以点击左上角的菜单，选择横向展示

同时，我们看到菜单栏中还有显示Attributes、显示Weights等操作，可以根据自己需要进行选择显示。
最后，可以将网络结构图导出成图片文件，方便后续使用。

3.pt模型转onnx模型

由于Netron对pt模型的支持不是很好，如下图所示，同样是YOLO V5的模型，pt模型打开后长这个样子
在这里插入图片描述
可以说不是特别直观，所以我们可以考虑将pt模型转为onnx模型进行展示。这里我们也借鉴YOLO V5的官方代码：
首先要在当前环境下安装onnx包，这个直接使用pip安装即可

pip install onnx

然后可以执行下面的代码进行转换，运行代码需要三个参数：

–weights：指定pt模型的位置
–img-size：指定图像的大小
–batch-size：一般采用默认值1

"""Exports a YOLOv5 *.pt model to ONNX and TorchScript formats

Usage:
    $ export PYTHONPATH="$PWD" && python models/export.py --weights ./weights/yolov5s.pt --img 640 --batch 1
"""
#首先pip install onnx
import argparse
import sys
import time

sys.path.append('./')  # to run '$ python *.py' files in subdirectories
sys.path.append('../') 
import torch
import torch.nn as nn

import models
from models.experimental import attempt_load
from utils.activations import Hardswish
from utils.general import set_logging, check_img_size

if __name__ == '__main__':
    parser = argparse.ArgumentParser

最低0.47元/天解锁文章