第一步:安裝graphviz
, 網上教程很多,也可以點這裡。 注意記得配置環境變數。
第二步:安裝torchviz
,開啟終端輸入pip install torchviz
第三步:使用
import torch
from torchviz import make_dot
class
mlp(torch.nn.module)
:def
__init__
(self)
:super
(mlp, self)
.__init__(
) self.linearl = torch.nn.linear(3,
5)self.relu = torch.nn.relu(
) self.linear2 = torch.nn.linear(5,
2)defforward
(self, x)
: x = self.linearl(x)
x = self.relu(x)
x = self.linear2(x)
return x
model = mlp(
)x = torch.randn(8,
3)y = model(x)
vise=make_dot(y, params=
dict
(model.named_parameters())
)vise.view(
)
這是乙個簡單的兩層感知機網路,模型檢視結果以pdf
儲存在工程資料夾下。
第一步: 安裝torchsummary
,開啟終端輸入pip install torchsummary
第二步: 使用 (需要使用gpu
,測試過cpu
會報錯)
import torch
from torchsummary import summary
class
mlp(torch.nn.module)
:def
__init__
(self)
:super
(mlp, self)
.__init__(
) self.linearl = torch.nn.linear(3,
5)self.relu = torch.nn.relu(
) self.linear2 = torch.nn.linear(5,
2)defforward
(self, x)
: x = self.linearl(x)
x = self.relu(x)
x = self.linear2(x)
return x
device = torch.device(
"cuda"
)model = mlp(
).to(device)
summary(model,(8
,3))
模型檢視結果在終端顯示: PyTorch學習總結 一 檢視模型中間結果
這裡我們以pytorch自帶的預訓練模型為例來講解 load the pretrained model alexnet models.alexnet pretrained true cuda print alexnet alexnet features sequential 0 conv2d 3,6...
檢視模型各層引數(Pytorch
這個實驗用到的資料集是mnist資料集,維度是1 28 28 import torch.nn as nn class cnn nn.module def init self super cnn,self init 卷積層 self.conv1 nn.sequential in channels 1,...
Git Git指南一 檢視建立刪除標籤
列出現有標籤,使用如下命令 xiaosi yoona code learningnotes git tag r 000000 000000 cm.cm v1.0.0 v1.0.1 我們可以用特定的搜尋模式列出符合條件的標籤。如果只對1.0系列的版本感興趣,可以執行如下命令 xiaosi yoona ...