神经网络模型可视化工具netron_netron神经元官网

简介

在复现别人的模型的时候，有时我们要知道一个模型的输入与输出名，可是有时作者并没有告诉我们，要我们自己去查，有了这个工具可以清晰地看见网络的输入输出名，具体的网络结构。相比tensorboard它更加轻量化，而且支持各种框架。

支持的框架

support for：
ONNX (.onnx, .pb, .pbtxt),
Keras (.h5, .keras),
CoreML (.mlmodel),
Caffe2 (predict_net.pb, predict_net.pbtxt),
MXNet (.model, -symbol.json)
TensorFlow Lite (.tflite).
experimental support for ：
Caffe (.caffemodel, .prototxt),
PyTorch (.pth),
Torch (.t7),
CNTK (.model, .cntk),
PaddlePaddle (model),
Darknet (.cfg),
scikit-learn (.pkl),
TensorFlow.js (model.json, .pb)
TensorFlow (.pb, .meta, .pbtxt).

安装方法

支持linux、windows、mac
查看：
https://github.com/lutzroeder/Netron
工具里面的说明进行安装，推荐用pip安装，很方便
如果不想安装的话也没问题，作者提供了一个在线view的网页，只要上传模型就能生成结构了
https://lutzroeder.github.io/netron/

测试

在linux下安装netron，进行测试
先pip安装：

$ pip install netron
1

新建一个py文件，这里命名为view_node.py
写入

import netron
modelPath = "googlenet.pb"
netron.start(modelPath)
1
2
3

并将要转换的文件放在py文件同目录下
在命令行窗口执行

python view_node.py
1

会出现：

此时图已经生成，打开浏览器，输入上面的网址：
http://localhost:8080

这是网络的全貌
进行缩放查看