使用pytorch怎么实现模型可视化

今天就跟大家聊聊有关使用pytorch怎么实现模型可视化，可能很多人都不太了解，为了让大家更加了解，小编给大家总结了以下内容，希望大家根据这篇文章可以有所收获。

一. visualize.py

from graphviz import Digraph import torch from torch.autograd import Variable     def make_dot(var, params=None):   """ Produces Graphviz representation of PyTorch autograd graph   Blue nodes are the Variables that require grad, orange are Tensors   saved for backward in torch.autograd.Function   Args:     var: output Variable     params: dict of (name, Variable) to add names to node that       require grad (TODO: make optional)   """   if params is not None:     assert isinstance(params.values()[0], Variable)     param_map = {id(v): k for k, v in params.items()}     node_attr = dict(style='filled',            shape='box',            align='left',            fontsize='12',            ranksep='0.1',            height='0.2')   dot = Digraph(node_attr=node_attr, graph_attr=dict(size="12,12"))   seen = set()     def size_to_str(size):     return '('+(', ').join(['%d' % v for v in size])+')'     def add_nodes(var):     if var not in seen:       if torch.is_tensor(var):         dot.node(str(id(var)), size_to_str(var.size()), fillcolor='orange')       elif hasattr(var, 'variable'):         u = var.variable         name = param_map[id(u)] if params is not None else ''         node_name = '%s\n %s' % (name, size_to_str(u.size()))         dot.node(str(id(var)), node_name, fillcolor='lightblue')       else:         dot.node(str(id(var)), str(type(var).__name__))       seen.add(var)       if hasattr(var, 'next_functions'):         for u in var.next_functions:           if u[0] is not None:             dot.edge(str(id(u[0])), str(id(var)))             add_nodes(u[0])       if hasattr(var, 'saved_tensors'):         for t in var.saved_tensors:           dot.edge(str(id(t)), str(id(var)))           add_nodes(t)   add_nodes(var.grad_fn)   return dot

二. 使用步骤

import torch from torch.autograd import Variable from models import * from visualize import make_dot x = Variable(torch.rand(1, 3, 256, 256)) model = GeneratorUNet() y = model(x) g = make_dot(y) g.view()

三. 效果展示

看完上述内容，你们对使用pytorch怎么实现模型可视化有进一步的了解吗？如果还想了解更多知识或者相关内容，请关注亿速云行业资讯频道，感谢大家的支持。