TensorFlow与PyTorch：模型参数查看与可视化攻略

参数结构打印

TensorFlow1.12的打印结构：

for var in tf.trainable_variables():
    print("Listing trainable variables ... ")
    print(var)

TensorFlow1.12的打印参数：

import tensorflow as tf

reader = tf.train.NewCheckpointReader('logs/pre-trained/lasted_model.ckpt')

global_variables = reader.get_variable_to_shape_map()
for key in global_variables:
    print("tensor_name: ", key)
    print(reader.get_tensor(key))

pytorch 打印结构：

net = resnet（）#实例化网络
print(net)

###pytorch 打印参数：
for name, parameters in net.named_parameters():#打印出每一层的参数的大小
       print(name, ':', parameters.size())

for param_tensor in net.state_dict():  # 字典的遍历默认是遍历 key，所以param_tensor实际上是键值
        print(param_tensor, '\t', net.state_dict()[param_tensor])

python打印到文本中：

f = open('text.txt', 'w')
print('abc', file = f, flush=False)
f.close()

已经保存模型参数查看

# # #读取参数
import torch
import numpy as np
import pickle
file=open("metadata.pkl","rb")
data=pickle.load(file)
print(data)
file.close()
y = torch.load("GKT-Transition-Scheduler.pt")
print(y)

参考链接：https://blog.youkuaiyun.com/superjunenaruto/article/details/111332349

可视化

tensorflow的模型结构可视化方法：

（1）使用自带的tensorboard（不直观）

（2）使用netron工具打开（.pd 或者是.meta文件）

（3）第三方库CNNGraph（
https://github.com/huachao1001/CNNGraph
）

（4）tensorspace.js （这个比