神经网络可视化(一)——Netron

前言

tensorflow，pytorch，mxnet每一个主流的深度学习框架都提供了相对应的可视化模板，那有没有一种方法更加具有通用性呢？我们会在论文中，相关文献中看到各种神经网络可视化的图形，有平面图形，三维立体图形，觉得很美观，你一定很好奇，这是不是使用绘图软件画的，还是只是用办公软件画的？对于人工智能研究者，那就太low了，人工智能都搞得定，还能被几幅图像给难住？本文带你一文看尽常用的一些神经网络可视化的开源项目。

鉴于篇幅较多，本次为系列文章第一篇。

目录

01 小草最爱——可视化程序之Netron

1.1 Netron简介

1.2 Netron支持的框架

1.3 Netron的安装与使用

1.4 使用案例

01

小草最爱之Netron

小草最爱——Netron

Netron简介

我也是用过一些深度神经网络可视化的工具，但是最喜欢就是这一款了，Netron，真的是无所不能，关键是简单快捷，就像平时的保存文件、打开文件这样，如此的简单高效，让人不得不爱。

这样一款神器的开发作者是微软的大神Lutz Roeder，在自己的家中完成的，看来大牛就是不一样。

项目GitHub：

https://github.com/lutzroeder/netron

Lutz Roeder个人网站：

https://www.lutzroeder.com/

小草总结了几点Netron之所那么强大的原因：

（1）所支持的平台广泛。不想tensorboard等较为“专一”的可视化平台，当前主流的深度学习框架，Netron都能得到很好的支持；

（2）操作简单快捷。不需要写一行代码，只需要下载软件安装，然后打开需要可视化的文件，一步操作即可，当然也可以通过代码实现；

（3）保存快捷。对于可视化的结果，就像保存普通的文件一样，一步到位，保存在自己的电脑上。

小草最爱——Netron

Netron支持的框架

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。而Netron最为强大的功能，就在于它所支持的框架十分广泛，下面是一些支持的框架：

ONNX (.onnx, .pb, .pbtxt),

Keras (.h5, .keras),

CoreML (.mlmodel),

Caffe2 (predict_net.pb, predict_net.pbtxt),

MXNet (.model, -symbol.json)

TensorFlow Lite (.tflite).

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).

小草最爱——Netron

Netron的安装与使用

Netron另外的一个特点就是支持的平台很多，在Linux、macOS。window上都可以像一款普通软件那样安装使用

macOS: Download the .dmg file or run brew cask install netron

Linux: Download the .AppImage or .deb file.

Windows: Download the .exe installer.

除此之外，它还提供了更简便的非安装使用方法，在浏览器中进行使用，只要打开链接，即可在浏览器中进行一键式的网络可视化操作。

Browser: Start the browser version.

对于Python开发者而言，我还可以使用Python代码来进行模型可视化，只需要简简单单的几行代码即可实现。

Python Server: Run pip install netron and netron [FILE] or import netron; netron.start('[FILE]')

小草最爱——Netron

Netron的使用案例

案例一：网页版Netron

直接单击： Start the browser version.

或者是输入如下链接：https://lutzroeder.github.io/netron/

会打开一个网页，网页的界面很简单，直接单击网页中的Open Model按钮，选择需要可视化的文件（文件类型参见上面）。

本文以自己所搭建的一个三层全连接网络，使用的框架为keras，故而保存的模型为.h5文件，打开的效果图如下：

从图中我们可以看出，每一个网络层的名称，输入输出数据的维度等信息，十分的简单方便，不仅如此，我还可以通过滚动鼠标扩大或者是缩小来查看更多的细节。

在网页的左上角，有三个按钮，如下：

第一个为“保存”，可以将模型结构保存为图片；

第二个、第三个为放大缩小按钮。

是不是很简单方便？

案例二：python版Netron

作为一个python最忠实的拥簇者，怎么能没有python呢？使用Python进行可视化也很简单。

第一步：安装Netron

pip install netron

大约2.1M，很快安装完成

第二步：代码实现

import netron

netron.start(R"E:\tensorflow\fft_bp_v0.3\model_information\bpmodel.h5")

运行该python代码即会自动打开默认的浏览器，然后在浏览器中输入：

http://localhost:8080 即可得到同案例一中相同的效果。

其实就是一个函数的使用，我们查看一下这个函数的定义：

def start(file, verbose=False, browse=True, port=8080, host=''):
    '''Start serving model file at host:port and open in web browser

    Args:
        file (string): 需要打开的文件路径.
        verbose (bool, optional): 布尔值，是否在控制台上输出日志详情，默认为False
                              如果设置为True,则会在控制台上打印一些列的信息
        browse (bool, optional): 布尔值，是否启动浏览器，默认为True，即程序运行了会启动默认的浏览器
                              注意，它只会默认启动浏览器，画的图形并不会直接显示哦，还需要手动输入
                               http://localhost:8080
        port (int, optional): int类型，默认的端口号: 8080
        host (string, optional): 服务器的默认地址，默认为: ''
    '''