pytorch 网络可视化(五)：netron

共三种方法

1. netron 包可视化网络

1.1 安装 netron 包

打开 Anaconda Prompt 进入自己的 pytorch 环境，运行代码安装 netron 依赖包，如下(其中 pt 是我自己的 pytorch 环境)：

1.2 测试是否安装成功

运行 python 进入交互式环境，导入 netron 如果不报错则表示安装成功。

1.3 查看网络结构

打开自己的 python 编辑器，解释器选择为自己 pytorch 环境下的 python.exe，运行测试代码：

# 针对有网络模型，但还没有训练保存 .pth 文件的情况
import netron
import torch.onnx
from torch.autograd import Variable
from torchvision.models import resnet18  # 以 resnet18 为例

myNet = resnet18()  # 实例化 resnet18
x = torch.randn(16, 3, 40, 40)  # 随机生成一个输入
modelData = "./demo.pth"  # 定义模型数据保存的路径
# modelData = "./demo.onnx"  # 有人说应该是 onnx 文件，但我尝试 pth 是可以的 
torch.onnx.export(myNet, x, modelData)  # 将 pytorch 模型以 onnx 格式导出并保存
netron.start(modelData)  # 输出网络结构

#  针对已经存在网络模型 .pth 文件的情况
import netron

modelData = "./demo.pth"  # 定义模型数据保存的路径
netron.start(modelData)  # 输出网络结构

运行测试代码不会在控制台输出网络结构，而是直接打开自己电脑的浏览器进行显示。如果程序没有直接打开浏览器，自己复制或者直接点击控制台打印出的链接到浏览器打开即可。

最后测试代码的中的 resnet18 网络结构如图(图片太大，只贴一部分)：

可以看出，在输出的网络结构中，不仅有整个网络的结构，还可以看出输入数据在网络中是如何改变的，这对于检查我们训练网络时出现的张量不匹配问题定位很有帮助。

2. netron 网页版可视化网络

netron 网页版链接：https://lutzroeder.github.io/netron/ 内容如下，点击 Accept 进入页面。由于是 github 链接，国内访问有时会不成功或者很慢，不建议用此方法。

点击 Open Model，选择自己训练好的一个网络模型数据，一般 pytorch 的网络模型数据都是 .pth 文件。

接下来网页就会显示该 .pth 文件对应的网络结构，如图是 resnet18 对应的部分网络结构：

3. netron 软件可视化网络

除了直接安装 netron 包和使用在线 netron 来显示网络模型外，也可以下载 netron 软件来查看网络输出模型。
github 下载链接：https://github.com/lutzroeder/Netron
github 下载比较慢或者打不开可以用其他链接下载： https://download.csdn.net/download/Wenyuanbo/20285395

在 github 中 Windows Download 处点击直接下载 .exe 可执行文件。

双击运行进入安装程序，选择 Accept，进入主界面选择 Open Model，打开自己保存的 pytorch 网络模型 .pth 文件，如图我打开的是 resnet18 对应的 .pth 文件，结果如图：

4. 可能遇到的问题

使用 pip install netron 安装的 netron 包在输出网络模型时会出现错误，RuntimeError: ONNX export failed: Couldn’t export operator aten::adaptive_avg_pool2d。

解决办法：将 AdaptiveAvgPool2d() 改成 AvgPool2d()。