两种方式

当我们使用pytorch进行模型训练或测试时，有时候希望能知道模型每一层分别是什么，具有怎样的参数。此时我们可以将模型打印出来，输出每一层的名字、类型、参数等。 常用的命令行打印模型结构的方法有两种：

一是直接print二是使用torchsummary库的summary 但是二者在输出上有着一些区别。首先说结论： print输出结果是每一层的名字、类别、以及构造时的参数，例如对于卷积层，还包括用户定义的stride、bias等；而torch summary则会打印类别、深度、输出Tensor的形状、参数数量等。 这也是很重要的一点，print打印的每一层顺序，是模型init函数中定义的顺序，而torchsummary则是模型执行起来输入张量真正计算的顺序。

torch summary 安装：

示例

print: summary:

打印每一层的输入输出结构

import torch

from torch import nn

#from d2l import torch as d2l

net1D = nn.Sequential(nn.Conv1d(1,6,kernel_size=5,padding=2),nn.Sigmoid(),

nn.AvgPool1d(kernel_size=2,stride=2),

nn.Conv1d(6,16,kernel_size=5),nn.Sigmoid(),

nn.AvgPool1d(kernel_size=2,stride=2),

nn.Flatten(),

nn.Linear(16*5,120),nn.Sigmoid(), # 这边要根据上面的输出重新计算拉平后的大小

nn.Linear(120,84),nn.Sigmoid(),

nn.Linear(84,2)

)

Y=torch.rand(size=(1,1,28),dtype=torch.float32) # 批次大小，通道数，长度

for layer in net1D:

Y=layer(Y)

print(layer.__class__.__name__, 'output shape: \t',Y.shape)

Conv1d output shape: torch.Size([1, 6, 28])

Sigmoid output shape: torch.Size([1, 6, 28])

AvgPool1d output shape: torch.Size([1, 6, 14])

Conv1d output shape: torch.Size([1, 16, 10])

Sigmoid output shape: torch.Size([1, 16, 10])

AvgPool1d output shape: torch.Size([1, 16, 5])

Flatten output shape: torch.Size([1, 80])

Linear output shape: torch.Size([1, 120])

Sigmoid output shape: torch.Size([1, 120])

Linear output shape: torch.Size([1, 84])

Sigmoid output shape: torch.Size([1, 84])

Linear output shape: torch.Size([1, 2])

精彩文章

评论可见，请评论后查看内容，谢谢！！！
 您阅读本篇文章共花了：