Netron
介绍
- Netron 是一个用于可视化机器学习模型、深度学习模型、神经网络、图模型（例如用于计算机视觉的 ONNX、Caffe、TensorFlow Lite、TensorFlow.js、Keras、Darknet、TVM、PyTorch、TorchScript、Core ML、ML.NET、NNEF、PaddlePaddle、OpenVINO、Arm NN等格式）的工具。它提供了一个用户友好的界面，允许用户浏览模型的结构和权重，并且支持各种深度学习框架。
- Netron 的特点包括：
- 跨平台：可以在浏览器、桌面（Windows、macOS、Linux）和命令行中使用。
- 交互式：用户可以通过图形界面交互地探索模型的结构和参数。
- 详细：可以查看模型的层、权重、激活函数等详细信息。
- 支持多种格式：支持多种深度学习模型格式，方便不同框架之间的转换和分析。
- Netron 的使用场景包括：
- 模型调试：帮助开发者理解模型的结构和行为。
- 模型转换：在不同的深度学习框架之间转换模型。
- 教育：作为教学工具，帮助学生理解深度学习模型的工作原理。
- 研究：分析和比较不同模型的结构和性能。
- 开源 GitHub 地址：https://github.com/lutzroeder/netron
发展历史
Netron 是由一个名为 “Lutz Roeder” 的开发者创建的，他是一位经验丰富的软件开发者和数据科学家。Lutz Roeder 也是著名的 .NET 反射浏览工具 “ILSpy” 的作者。
历史发展
- 初始版本：Netron 最初是作为一个命令行工具开发的，用于查看和分析深度学习模型文件。
- Web 版本：随着深度学习模型的普及，Lutz Roeder 决定开发一个 Web 版本，使得更多的人可以在浏览器中方便地查看模型。
- 扩展支持：随着时间的推移，Netron 不断扩展支持的模型格式，包括 ONNX、TensorFlow、PyTorch 等。
- 开源：Netron 的源代码在 GitHub 上开源，社区的贡献使得 Netron 不断改进和增加新功能。
主要里程碑
- 2017年：Netron 项目开始。
- 2018年：Netron Web 版本发布，支持 ONNX 格式。
- 2019年：支持更多格式，如 TensorFlow、Keras 等。
- 2020年：Netron 桌面应用发布，支持 Windows、macOS 和 Linux。
- 2021年：Netron 继续扩展支持的格式，包括 Core ML、ML.NET 等。
Netron使用方法
网页版
- 网址：https://netron.app/
- 界面比较简洁，拖入训练好的模型即可。
- 拖入一个模型 pt 文件， 可视化如下 ：
- 点击每个单元，展示具体卷积层类型和名字，继续点开，可以展现具体的数据，如下图：
- 将对应的 onnx 文件拖进去，可视化如下图：
本地安装使用
- 从GitHub 上找到对应安装包，下载安装：
2. 下载的文件如下，安装后的界面和网页版的差不多，如下：
导入库方法
- 也可以导入Netron库使用，如 GitHub 中介绍。
