pytorch打印网络结构的实例

最简单的方法当然可以直接print（net），但是这样网络比较复杂的时候效果不太好，看着比较乱；以前使用caffe的时候有一个网站可以在线生成网络框图，tensorflow可以用tensor board，keras中可以用model.summary()、或者plot_model()。pytorch没有这样的API，但是可以用代码来完成。

（1）安装环境：graphviz

conda install -n pytorch python-graphviz

或：

sudo apt-get install graphviz

或者从官网下载，按此教程。

（2）生成网络结构的代码：

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

（3）打印网络结构：

import torch
from torch.autograd import Variable
import torch.nn as nn
from graphviz import Digraph

class CNN(nn.module):
 def __init__(self):
  ******
  def forward(self,x):
  ******
  return out

*****************************
def make_dot(): #复制上面的代码
*****************************

if __name__ == '__main__':
 net = CNN()
 x = Variable(torch.randn(1, 1, 1024,1024))
 y = net(x)
 g = make_dot(y)
 g.view()

params = list(net.parameters())
 k = 0
 for i in params:
   l = 1
   print("该层的结构：" + str(list(i.size())))
   for j in i.size():
     l *= j
   print("该层参数和：" + str(l))
   k = k + l
 print("总参数数量和：" + str(k))

（4）结果展示（例如这是一个resnet block类型的网络）：

来源：https://blog.csdn.net/Lucifer_zzq/article/details/80657513