【pytorch与tensorflow框架】—深度学习中神经网络结构查看/打印

最新推荐文章于 2025-01-05 11:19:28 发布

原创

最新推荐文章于 2025-01-05 11:19:28 发布 · 1.3k 阅读

8 ·

CC 4.0 BY-SA版权

文章标签：

#tensorflow #pytorch #深度学习

本文介绍了如何在PyTorch和TensorFlow框架中查看和打印神经网络的结构。在PyTorch中，提供了两种方法，分别侧重于网络层次结构和输入输出参数。而在TensorFlow中，通过在模型构造函数中添加参数，可以在实例化时获取网络结构，其效果类似于PyTorch的第二种方法。

一、pytorch打印网络结构

#前提：构建了一个TransformerModel网络结构类
#实例化网络对象
model = TransformerModel(ntokens, emsize, nhead, nhid, nlayers, dropout)

法一：主要查看网络层次结构，也包括输入输出参数

print(model)

结果如下：

TransformerModel(
  (pos_encoder): PositionalEncoding(
    (dropout): Dropout(p=0.2, inplace=False)
  )
  (transformer_encoder): TransformerEncoder(
    (layers): ModuleList(
      (0): TransformerEncoderLayer(
        (self_attn): MultiheadAttention(
          (out_proj): Linear(in_features=200, out_features=200, bias=True)
        )
        (linear1): Linear(in_features=200, out_features=200, bias=True)
        (dropout): Dropout(p=0.2, inplace=False)
        (linear2): Linear(in_features=200, out_features=200, bias=True)
        (norm1): LayerNorm((200,), eps=1e-05, elementwise_affine=True)
        (norm2): LayerNorm((200,), eps