深度神经网络结构可视化（Pytorch、Tensorflow、Keras、Caffe、MXNet、PaddlePaddle等主流框架）

本文代码存放于github上
参考

可视化深度神经网络结构

  本文我们使用三种方式对神经网络结构进行可视化，其中Netron工具适用范围最广，基本可用于大部分主流框架；hiddenlayer工具包适用于Pytorch、Tensorflow、Keras框架；而pytorchviz工具包只适用于Pytorch。（链接都指向github库）

  本文以Pytorch框架下的resnet34为例进行可视化，只是做简单说明，如果使用的是Tensorflow或者Keras可以使用hiddenlayer，因为hiddenlayer的github文档有详细的例子。

使用Netron方法可视化

先给个Netron的github文档的介绍，可见其适用范围之广

Netron是先导出onnx文件然后在网页进行可视化，可视化结果颜色漂亮，可以进行大小缩放等操作，且支持大部分框架。
我们创建resnet34然后将其导出为onnx文件。

import torch
import torchvision
net = torchvision.models.resnet34()
torch.onnx.export(net, torch.randn((1, 3, 224, 224)), 'resnet34.onnx')

1. 此时当前路径下会生成一个"resnet34.onnx"文件

2. 我们进入Netron在线可视化官网
   

3. 我们点击Open Model打开刚才保存的resnet34.onnx文件

4. 此时我们得到了漂亮的可视化结果

使用hiddenlayer可视化

hiddenlayer是一个轻量级的工具包，可以用于可视化神经网络图和训练指标，适用于Pytorch, Tensorflow, Keras
下面代码的工作为

1. 安装hiddenlayer包
2. 创建resnet34()网络
3. 修改为蓝色风格并保存可视化结果（会保存为pdf结果）

!pip install hiddenlayer
import torch
import torchvision
import hiddenlayer as hl
net = torchvision.models.resnet34()
hl_graph = hl.build_graph(net, torch.zeros((1, 3, 224, 224)))
hl_graph.theme = hl.graph.THEMES["blue"].copy()  # Two options: basic and blue
hl_graph.save("./resnet34")

其结果如图

使用torchviz进行可视化

下面代码的工作为

1. 安装torchviz包
2. 创建resnet34网络
3. 可视化

!pip install torchviz
import torch
import torchvision
from torchviz import make_dot

net = torchvision.models.resnet34()
y = net(torch.zeros(1, 3, 224, 224, dtype=torch.float, requires_grad=False))
make_dot(y, params=dict(net.named_parameters()))

可视化结果为