模型可视化工具

原创于 2022-04-01 16:00:51 发布

· 1.2k 阅读

0 ·

版权

文章标签：

#深度学习 #人工智能

本文介绍了如何利用hiddenlayer和torchviz库来可视化PyTorch中的神经网络结构。首先，需要安装Graphviz，然后分别安装hiddenlayer和torchviz。通过hiddenlayer的build_graph方法可以创建网络结构图，而torchviz的make_dot则用于生成网络的计算图。两者都可以保存为PNG图像进行查看，提供了一种理解模型内部工作原理的直观方式。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

参考：https://blog.youkuaiyun.com/zandaoguang/article/details/120963786

hiddenlayer：
1.安装Graphviz： sudo yum -y install graphviz ， pip install graphviz
2.pip install hiddenlayer,报错安装pip install matplotlib，pip install Ipython。 import hiddenlayer成功。
3.可用。只有网络结构，没有数据尺寸。

import hiddenlayer as h
vis_graph = h.build_graph(MyConvNet, torch.zeros([1 ,1, 28, 28])) # 获取绘制图像的对象
vis_graph.theme = h.graph.THEMES[“blue”].copy() # 指定主题颜色
vis_graph.save("./demo1.png") # 保存图像的路径

倾向于使用如下方式：
torchviz：
也需要先安装graphviz
1.pip install torchviz

from torchviz import make_dot
x = torch.randn(1, 1, 28, 28).requires_grad_(True) # 定义一个网络的输入值
y = MyConvNet(x) # 获取网络的预测值
MyConvNetVis = make_dot(y, params=dict(list(MyConvNet.named_parameters()) + [(‘x’, x)]))
MyConvNetVis.format = “png”
// 指定文件生成的文件夹
MyConvNetVis.directory = “data”
// 生成文件
MyConvNetVis.view()