不同于keras的可视化,keras.utils.plot_model
。pytorch模型可视化比较复杂,此处使用pytorchviz。
操作步骤
1 . 命令行安装pytorchviz(之前要安装graphviz,这个我keras时已经安装)
2 . 使用如下代码,保存在统计目录下的pdf文件中,并打开。
其中,torch.rand(1,3,32,32).cuda()为伪造的数据,.cuda因为我的模型在gpu上。
效果
不同于keras的可视化,keras.utils.plot_model
。pytorch模型可视化比较复杂,此处使用pytorchviz。
1 . 命令行安装pytorchviz(之前要安装graphviz,这个我keras时已经安装)
2 . 使用如下代码,保存在统计目录下的pdf文件中,并打开。
其中,torch.rand(1,3,32,32).cuda()为伪造的数据,.cuda因为我的模型在gpu上。
针对分类,检测任务,看模型attention的区域在哪里。
不同于tensorflow提供了强大的可视化功能,pytorch可视化一般借助第三方工具,更通用的方法
举报文章
请选择举报类型
补充说明
0/200
上传截图
格式支持JPEG/PNG/JPG,图片不超过1.9M