栏目分类:
子分类:
返回
名师互学网用户登录
快速导航关闭
当前搜索
当前分类
子分类
实用工具
热门搜索
名师互学网 > IT > 软件开发 > 后端开发 > Python

[人工智能-深度学习-79]:开发环境 - 模型结构可视化神器Netron的使用

Python 更新时间: 发布时间: IT归档 最新发布 模块sitemap 名妆网 法律咨询 聚返吧 英语巴士网 伯小乐 网商动力

[人工智能-深度学习-79]:开发环境 - 模型结构可视化神器Netron的使用

作者主页(文火冰糖的硅基工坊):文火冰糖(王文兵)的博客_文火冰糖的硅基工坊_CSDN博客

本文网址:https://blog.csdn.net/HiWangWenBing/article/details/122367300


目录

前言:

第1章 什么是Netron

1.1 概述

1.2 github 链接(包括工具源代码、可执行文件的下载和说明)

1.3 支持的操作系统

1.4 支持的模型

第2章 如何安装Netron与环境准备

2.1 IE远程可视化

2.2 Windows本地可视化

第3章 如何使用Netron

3.1 IE远程可视化

3.2 Windows本地

第4章 YOLO 下使用Netron工具

4.1 直接可视化:*.pt模型文件,如yolov5s.pt

4.2 可视化onnx格式的模型文件


前言:

随着网络越来越复杂,对网络可视化表达的需求越来越强烈,另一方面,我们可能或获得他人预训练好的模型,想了解这个预训练模型的网络结构,当然,可以通过Pytorch代码去解析模型的结构,但这种方式麻烦且不直观,因此对网络可视化的诉求也就越发强烈。

本文将介绍一种模型结构可视化神器:Netron

第1章 什么是Netron

1.1 概述

Netron是一款神经网络模型结构可视化工具。

1.2 github 链接(包括工具源代码、可执行文件的下载和说明)

https://github.com/lutzroeder/Netron

1.3 支持的操作系统

支持windows,Linux,mac系统。

1.4 支持的模型

Netron支持主流各种框架的模型结构可视化工作。

ONNX: squeezenet [open]   => open CVTensorFlow Lite: hair_segmentation [open]TensorFlow: chessbot [open]   => TFKeras: mobilenet [open]Caffe: mobilenet_v2 [open]Torchscript: traced_online_pred_layer [open]  => Pytorch Core ML: exermote [open]Darknet: yolo [open]     => YOLO 

第2章 如何安装Netron与环境准备

macOS: Download the .dmg file or run brew install netron

Linux: Download the .AppImage file or run snap install netron

Windows: Download the .exe installer or run winget install -s winget netron

Browser: Start the browser version.

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

2.1 IE远程可视化

不需要安装,只需要把模型文件上传到远程服务器上,就可以可视化模型

2.2 Windows本地可视化

在windows系统,下载一个.exe文件就很稳了,如下:

Windows: Download 

第3章 如何使用Netron

3.1 IE远程可视化

(1)启动

Browser: Start the browser version.

(2)直接上传模型文件即可

(3)远程工具的配置

3.2 Windows本地

安装可执行程序后,执行netron应用程序,界面与IE远程访问相似: 

第4章 YOLO 下使用Netron工具

4.1 直接可视化:*.pt模型文件,如yolov5s.pt

包含的信息少,只能显示类似如下的网络:

4.2 可视化onnx格式的模型文件

onnx格式的模型文件包含更多的可视化信息。

在YOLO环境下,可以通过工具把*.pt的模型文件转换成*.onnx格式的文件。

(1)转换工具的依赖文件

pip3 install onnx

(2)转换工具:yolov5/export

 python export.py --weights yolov5s.pt

输入参数:

--weights : 指定待转换的模型名称

输出模型:

yolov5s.onnx

(3)转换前的yolov5s.pt

 (4)转换后的yolov5s.onnx


作者主页(文火冰糖的硅基工坊):文火冰糖(王文兵)的博客_文火冰糖的硅基工坊_CSDN博客

本文网址:https://blog.csdn.net/HiWangWenBing/article/details/122367300

转载请注明:文章转载自 www.mshxw.com
本文地址:https://www.mshxw.com/it/701259.html
我们一直用心在做
关于我们 文章归档 网站地图 联系我们

版权所有 (c)2021-2022 MSHXW.COM

ICP备案号:晋ICP备2021003244-6号