「解析」netron 模型可视化

Netron是神经网络、深度学习和机器学习模型的一款可视化工具

Netron支持ONNX、TensorFlow Lite、Caffe、Keras、Darknet、飞浆、ncnn、MNN、Core ML、RKNN、MXNet、MindSpore Lite、TNN、Barracuda、Tengine, CNTK, TensorFlow.js, Caffe2 and UFF.

Netron对PyTorch、TensorFlow、TorchScript、OpenVINO、Torch、Vitis AI、kmodel、Arm NN、BigDL、Chainer、Deeplearning4j、MediaPipe、ML.NET和scikit learn提供实验支持。

官方地址：https://github.com/lutzroeder/netron

Python Server: Run pip install netron and netron [FILE] or netron.start('[FILE]')

import torchvision.models as models
import torch



# 定义数据+网络
data  = torch.randn(2, 3, 256, 256)
model = models.resnet34()

# 导出
torch.onnx.export(
    model,
    data,
    'model.onnx',
    export_params=True,
    opset_version=8,
)


import onnx
import onnx.utils
import onnx.version_converter


# 增加维度信息
model_file = 'model.onnx'
onnx_model = onnx.load(model_file)
onnx.save(onnx.shape_inference.infer_shapes(onnx_model), model_file)