Netron 正在参加 2020 年度 OSC 中国开源项目评选,请投票支持!
Netron 在 2020 年度 OSC 中国开源项目评选 中已获得 {{ projectVoteCount }} 票,请投票支持!
投票让它出道
已投票
Netron 获得 2020 年度 OSC 中国开源项目评选「最佳人气项目」 !
Netron 获得 2020 年度 OSC 中国开源项目评选「最佳人气项目」「最积极运营项目」 !
Netron 获得 2020 年度 OSC 中国开源项目评选「最积极运营项目」 !

软件简介

Netron 是神经网络、深度学习与机器学习模型的可视化工具。

Netron 支持 ONNX (.onnx.pb.pbtxt)、Keras (.h5.keras)、CoreML (.mlmodel)、Caffe2 (predict_net.pbpredict_net.pbtxt)、MXNet (.model-symbol.json) 与 TensorFlow Lite (.tflite)。

实验性支持 Caffe (.caffemodel.prototxt)、PyTorch (.pth)、Torch (.t7)、CNTK (.model.cntk)、PaddlePaddle(__model__)、Darknet (.cfg)、scikit-learn (.pkl)、TensorFlow.js (model.json.pb) 与 TensorFlow (.pb.meta.pbtxt)。

展开阅读全文

代码

的 Gitee 指数为
超过 的项目

评论 (0)

加载中
更多评论
暂无内容
01/10 11:11

使用Netron来可视化PyTorch的模型结构

参考链接: Netron Viewer for neural network, deep learning, and machine learning models 参考链接: GitHub lutzroeder / netron 运行代码,生成两个文件,分别保存整个模型和模型的参数: import torch import torchvision from torchvision import datasets, transforms from torch.autograd import Variable import numpy as np import matplotlib.pyplot as plt import time import os model_path = 'model_name_Conv.pth' ...

0
0
发表于AI & 大数据专区
2018/08/19 08:20

开源 | 深度学习网络模型(model)可视化开源软件Netron

点击上方“深度学习与神经网络”,选择“置顶公众号” 重磅干货,第一时间送达 前言 前两天,Amusi分享了一篇 经典卷积神经网络(CNN)结构可视化工具,该工具可用于可视化各种经典的卷积神经网络结构。如AlexNet、VGG-16、ResNet和YOLO等经典网络。 但上述工具的局限性很大,因为如果没有提供相关的prototxt文件,那么可视化结果就无从谈起。而且...Caffe现在热度也一般般了。 Netron 不好意思,Netron 这款工具真的可以为所欲...

0
0
发表于AI & 大数据专区
2020/10/16 17:43

使用pytorchviz和Netron可视化pytorch网络结构

一 使用pytorchviz可视化 安装依赖和pytorchviz pip install graphviz pip install tochviz (或pip install git+https://github.com/szagoruyko/pytorchviz) Graphviz 是 AT&T 开发的一款开源的图形可视化软件,可以根据dot脚本语言中绘制的无向图(显示了对象间最简单的关系)画出直观的树形图。 Graphviz在Windows中的安装需要下载Release包,并配置环境变量,否则会报错: graphviz.backend.ExecutableNotFound: failed to...

0
0
发表了博客
2020/12/02 10:35

模型结构可视化神器——Netron(支持tf, caffe, keras,mxnet等多种框架)

转自:https://blog.csdn.net/leviopku/article/details/81980249 很多时候,复现人家工程的时候,需要了解人家的网络结构。但不同框架之间可视化网络层方法不一样,这样给研究人员造成了很大的困扰。 前段时间,发现了一个可视化模型结构的神奇:Netron 目前的Netron支持主流各种框架的模型结构可视化工作,我直接给出gayhub链接: https://github.com/lutzroeder/Netron 支持windows,Linux,mac系统 在windows系统,下载一个...

0
0
发表了博客
2019/08/06 18:32

【机器学习】使用CNN神经网络实现对图片分类识别及模型转换

仅做记录,后面慢慢整理 训练函数: from skimage import io, transform # skimage模块下的io transform(图像的形变与缩放)模块 import glob # glob 文件通配符模块 import os # os 处理文件和目录的模块 import tensorflow as tf import numpy as np # 多维数据处理模块 import time # 数据集地址 path = 'E:/tensor_data/powerpoint/test_database/' # 模型保存地址 model_path = 'E:/tensor_data/powerpoi...

0
0
发表于AI & 大数据专区
2020/03/23 07:56

常用神经网络结构图绘图工具推荐

点击上方“ AI搞事情”关注我们 1 Netscope 在线链接:http://ethereon.github.io/netscope Github地址:https://github.com/ethereon/netscope 文档链接:https://ethereon.github.io/netscope/quickstart.html caffe prototxt网络结构可视化工具, 2 Caffe自带工具 caffe源码中python/draw_net.py,这个文件可以将网络结构prototxt文件绘制为一张图片。 代码: 绘制效果: 3 TensorBoard TensorFlow中文社区:http://www.tens...

0
0
发表了博客
2020/08/20 08:12

Tensorflow模型量化4 --pb转tflite(uint8量化)小结

Tensorflow模型量化4 --pb转tflite小结(uint8量化) 实验环境:tensorflow-gpu1.15+cuda10.0 模型的fp16量化和int8量化我之前有写,参考: 龟龟:Tensorflow模型量化实践2--量化自己训练的模型zhuanlan.zhihu.com 这次发现uint8量化时有参数设置,所以准备是从头再梳理一遍 2.参与量化的模型: 训练tensorflow-object-detection API 得到的ssdlite_mobilenet _v2模型,导出为frozen_inference_graph.pb 3.获取输入输出节点 进行f...

0
0
发表于AI & 大数据专区
2020/06/11 18:00

大盘点 | 22 款神经网络设计和可视化的工具汇总

点击上方“AI算法与图像处理”,选择加"星标"或“置顶” 重磅干货,第一时间送达 来源算法猿的成长 总第 143 篇文章,本文大约 3000 字,阅读大约需要 10 分钟 前言 深度学习领域,最常见的就是各种网络模型,那么在写论文或者文章,介绍网络模型的时候,最好的办法当然就是展示代码画图,今天介绍的 Github 项目,就是整理了 22 个设计和可视化网络结构的工具,其地址如下: https://github.com/ashishpatel26/Tools-to-Design...

0
0
发表了博客
2020/10/24 07:03

onnxruntime加载onnx格式目标检测模型(SSD)

onnx官方提供了onnx格式的模型,下载地址:https://github.com/onnx/models/tree/master/vision/object_detection_segmentation/ssd 下载后使用netron查看该模型,如下图所示: 在下面的程序中还增加了tiny-yolov3模型的推理,模型可以在https://github.com/onnx/models/tree/master/vision/object_detection_segmentation/tiny-yolov3下载,netron查看的效果为: 程序 import numpy as np # we're going to use numpy to pr...

0
0
发表于软件架构专区
02/01 00:23

基于TensorRT量化部署YOLOV5s 4.0模型

【GiantPandaCV导语】本文为大家介绍了一个TensorRT int8 量化部署 yolov5s 4.0 模型的教程,并开源了全部代码。主要是教你如何搭建tensorrt环境,对pytorch模型做onnx格式转换,onnx模型做tensorrt int8量化,及对量化后的模型做推理,实测在1070显卡做到了3.3ms一帧!开源地址如下:https://github.com/Wulingtian/yolov5_tensorrt_int8_tools,https://github.com/Wulingtian/yolov5_tensorrt_int8。欢迎star。 0x0. YOLOV5简...

0
0
没有更多内容
加载失败,请刷新页面
点击加载更多
加载中
下一页
暂无内容
0 评论
3 收藏
分享
OSCHINA
登录后可查看更多优质内容
返回顶部
顶部