[原]轻量好用的神经网络模型可视化工具netron

标签: | 发表时间:2019-01-08 08:43 | 作者:qqqzmy
出处:https://blog.csdn.net/qqqzmy

轻量好用的神经网络模型可视化工具netron

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

我在linux下安装netron,进行测试
先pip安装:

  pip install netron

在这里插入图片描述
新建一个py文件,这里我命名为view_node.py
写入

  import netron
modelPath = "googlenet.pb"
netron.start(modelPath)

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

会出现:
在这里插入图片描述
此时图已经生成,打开浏览器,输入上面的网址:
http://localhost:8080
可以看见 在这里插入图片描述
这是网络的全貌
进行缩放查看
在这里插入图片描述
可以看见输入输出的名了,而且网络结构也一目了然。

作者:qqqzmy 发表于 2019/01/08 08:43:22 原文链接 https://blog.csdn.net/qqqzmy/article/details/86060131
阅读:24

相关 [神经网络 模型 可视化] 推荐:

[原]轻量好用的神经网络模型可视化工具netron

- - Mingyong_Zhuang的技术博客
轻量好用的神经网络模型可视化工具netron. 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linux、windows、mac.

elya:思维可视化4类模型

- - 落花流水——elya妞╰_╯
人的思考过程,是一个奇妙的过程,思维在脑海里流窜,横冲直撞又反复纠缠,最后扭成一团麻. 所以常常会有人抱怨,脑袋里很乱,想不出头绪. 这是因为,大部分人的思考过程都是杂乱无序的,没有逻辑的,最后也没法形成有效的沉淀,更无法找到清晰的结论. 那么本文要讲述的,就是怎样把思维进行可视化的规整,最终系统化的沉淀下来,找到其中有价值的方向.

可视化格式模型( Visual formatting model)再学习

- - 进步博客
“理论不懂就实践,实践不会就学理论”,非常赞同bluedavy的这句话. 实践过程中经常会遇到某个属性的使用,浏览器渲染效果与预期效果不符,虽然通过死记硬背能避免或巧妙应用这种效果,但总感心虚发慌、毫无自信,因为不知晓背后的原理. 这时就不要再用“就是这样的”的借口来搪塞自己,我们需要重新认识它. 元素A,C绝对定位,不设置top,bottom值;.

BP神经网络的Java实现

- - ITeye博客
课程作业要求实现一个BPNN. 此前只用Matlab实现过,这次尝试使用Java实现了一个. 关于BPNN的原理,就不赘述了.  为了验证正确性,我写了一个测试用例,目的是对于任意的整数(int型),BPNN在经过训练之后,能够准确地判断出它是奇数还是偶数,正数还是负数. System.out.println("训练完毕,下面请输入一个任意数字,神经网络将自动判断它是正数还是复数,奇数还是偶数.

神经网络与用户行为

- - 博客园_新闻
英文原文: Neurology & User Behavior: What We Know. 流量和转化率是我们衡量一个网站是否成功的两个重要指标. 网站转化率就是指用户进行了相应目标行动的访问次数(成交人数)与总访问次数的比率. 这里所指的相应的行动可以是用户登录、用户注册、用户订阅、用户下载、用户购买等一些列用户行为,因此网站转化率是一个广义的概念.

研究人员首次用DNA构造人工神经网络

- Robi - Solidot
加州理工研究人员首次用DNA构造出人工神经网络,类似一个简化的大脑. 此前他们曾研制过一个能计算平方根的DNA逻辑门. 研究人员112种不同的DNA链组成四个相互联系的人工神经元,它会玩一个猜心术的游戏. 研究人员和这个试管中的神经网络玩了27次游戏,每次提供的线索都不相同,而它每次都猜对了. 研究人员表示,具有人工智能的生化系统,可以在医药,化学以及生物领域带来不可估量的应用.

自组织增量学习神经网络-SOINN

- 金文 - 丕子
自组织增量学习神经网络(Self-organizing incremental neural network, SOINN)实现包括学习、记忆、联想、推理、常识等方面的研究,最终目的是实现能够模拟人类大脑的供智能机械使用的通用型智能信息处理系统——人工脑. a. 基于SOINN的监督学习、非监督学习、半监督学习算法研究.

动态神经网络工具包DyNet:比Theano和TensorFlow更快

- - IT瘾-tuicool
近日,来自卡内基梅隆大学、日本奈良先端科学技术大学、Google DeepMind、以色列巴伊兰大学、艾伦人工智能研究所、IBM T.J. Watson 研究中心、澳大利亚墨尔本大学、约翰·霍普金斯大学、谷歌、华盛顿大学、微软和英国爱丁堡大学的研究者共同发表了一篇重磅论文《DyNet: The Dynamic Neural Network Toolkit》,正式介绍了动态神经网络工具包 DyNet;该工具包也已在 GitHub 上开源:http://github.com/clab/dynet.

用神经网络训练一个文本分类器

- - 文章 – 伯乐在线
理解聊天机器人的工作原理是非常重要的. 聊天机器人内部一个非常重要的组件就是文本分类器. 我们看一下文本分类器的神经网络(ANN)的内部工作原理. 我们将会使用2层网络(1个隐层)和一个“词包”的方法来组织我们的训练数据. 文本分类有3个特点:模式匹配、算法、神经网络. 虽然使用多项朴素贝叶斯算法的方法非常有效,但是它有3个致命的缺陷:.

用paddle实现一个CNN神经网络

- - 非技术 - ITeye博客
问题:实现在MNIST数据集上,对数字的识别. (1)输入:MNIST手写的数字图片,它是一个28*28的二维图片,为了计算,我们将其转为784维的一个向量. (2)输出:分类器的输出是0-9的数字的概率. (3)分类器的设计:5层的卷积神经网络. 即:conv->pool->conv->pool->FC->softmax.