Pytorch网络结构可视化

1.1　可视化工具Netron

Netron是一种支持神经网可视化络化的工具，在实际的项目中，经过会遇到各种网络模型，需要快速去了解网络结构。如果单纯的去看模型文件，脑海中很难直观的浮现网络的架构。这时，就可以使用netron可视化工具，可以清晰的看到每一层的输入输出，网络总体的架构，而且支持各种不同网络框架，简单好用。

支持ONNX, TensorFlow Lite, Caffe, Keras, Darknet, PaddlePaddle, ncnn, MNN, Core ML, RKNN, MXNet, MindSpore Lite, TNN, Barracuda, Tengine, CNTK, TensorFlow.js, Caffe2 and UFF.等网络模型，以及兼容性支持PyTorch, TensorFlow, TorchScript, OpenVINO, Torch, Vitis AI, kmodel, Arm NN, BigDL, Chainer, Deeplearning4j, MediaPipe, MegEngine, ML.NET and scikit-learn.

1.1.1 如何安装

官方地址Github: https://github.com/lutzroeder/netron

Web客户端:地址https://netron.app/

Python: pip install netron

Windows: 打开官方Github链接，点击Download处下载.exe应用程序，即可使用

1.1.2 使用方式

Netorn对支持的pytorch通过torch.save保存的.pt文件效果较差，直接使用可能会出现无法完全的将神经网络模型显示。例如直接加载yolov5.pt文件，效果如下：

此时需通过torch->onnx或者torch.jit.trace两种方式将.pt文件转化为.onnx或.pth格式。

此时若在windows环境下会弹出一个地址为：localhost:8080的网页地址，可以将该模型结构存储为svg/png的图片形式。