可能至少有5中方法：
model = alexnet2fc(
) x = torch.rand(8,
3,112,
112)
y = model(x)
# need tensorflow 2.2 or higher
# method 1
# from keras.utils import plot_model
# plot_model(model, to_file='model.png')
# method 2
# from ipython.display import svg
# from keras.utils.visualize_util import model_to_dot
# svg(model_to_dot(model).create(prog='dot', format='svg'))
from torchviz import make_dot
# method 3 for not mtl
# g = make_dot(y)
# g.render('net_arch', view=false)
# method 4 for mtl。模型的輸出是乙個列表，要麼拼接
for i in
range
(len
(y))
:if i ==
0: c = torch.cat(
(y[0
], y[1]
),1)
elif i >=
2and i <=
len(y)-2
: c = torch.cat(
(c, y[i+1]
),1)
g = make_dot(c)
g.render(
'net_arch'
, view=
false
)# 會自動儲存為乙個 espnet.pdf，第二個引數為true,則會自動開啟該pdf檔案，為false則不開啟
# method 5 for mtl，要麼生成乙個元祖，這種方法更推薦！！(模型輸出為長度40的列表）
g = make_dot(
tuple
((y[i]
for i in
range(40
))),
) g.render(
'net_arch'
, view=
false
)# 會自動儲存為乙個 espnet.pdf，第二個引數為true,則會自動開啟該pdf檔案，為false則不開啟
method 5來自github神人：chesharma @
caffe模型視覺化
通過前面的學習，我們已經能夠正常訓練各種資料了。設定好solver.prototxt後，我們可以把訓練好的模型儲存起來，如lenet iter 10000.caffemodel。訓練多少次就自動儲存一下，這個是通過snapshot進行設定的，儲存檔案的路徑及檔名字首是由snapshot prefix...
TensorBoard模型視覺化
tensorboard是乙個基於瀏覽器的互動式工具，可以讓我們看到學習過程，並探索我們訓練好的模型。要執行tensorboard，首先到命令終端 開始 anaconda anaconda prompt,輸入activate tensorflow 然後，告訴tensorboard記錄的相關摘要 ten...
視覺視覺化模型
盒模型 規定單個盒子的規則 視覺視覺化模型 布局規則 頁面中的多個盒子的排列規則 視覺視覺化模型，大體上將頁面上的盒子分為三種排列規則 常規流 浮動 定位 常規流 文件流 普通文件流 常規文件流 所有元素，預設情況下 都屬於常規流布局 總體規則 塊盒獨佔一行 行盒水平一次排列 包含塊 contain...