Netron

介绍

1. 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。
2. 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。
3. 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。
4. 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

1. 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。
2. 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。
3. 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。
4. 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

1. 网址：https://netron.app/
2. 界面比较简洁，拖入训练好的模型即可。
   
3. 拖入一个模型 pt 文件， 可视化如下 ：
   
4. 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：
   
   
5. 将对应的 onnx 文件拖进去，可视化如下图：
   

本地安装使用

1. 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

1. 也可以导入Netron库使用，如 GitHub 中介绍。