最近在学习一些检测方面的网络，使用的是pytorch。模型结构可视化是学习网络的有用的部分，pytorch没有原生支持这个功能，需要找一些其他方式，下面总结几种方法（推荐用4）。

1. torch .pt -> netron

netron是一个专门可视化模型的工具，支持很多格式，很自然的就是用它直接显示torch保存的模型。但是实际上...

 

 

显示成了上图，基本上没什么用。

2. 网上说的比较多的几种方式

a. tensorboardx 画出来的比较丑 b. tensorwatch 支持的torch版本低，容易出错 c. graphviz 实测yolov5异常。。

3. torch->caffe->netron

caffe支持的操作不够多，转换很容易碰到不支持的情况

4. torch->onnx->netron

pytorch对onnx支持的比较好，直接有导出接口。 torch.onnx.export... 但这样直接转出来的onnx进行显示没有每一层的输入大小，如下图，还是不方便看。

 

 

我们可以将导出的onnx进行以下操作：   import onnx from onnx import shape_inference model = 'best.onnx' onnx.save(onnx.shape_inference.infer_shapes(onnx.load(model)), model)   再用netron进行显示即可得到，用这种结构图学习就好多了：