Python PyTorch get_graph_node_names用法及代码示例

本文简要介绍python语言中 torchvision.models.feature_extraction.get_graph_node_names 的用法。

用法:

torchvision.models.feature_extraction.get_graph_node_names(model: torch.nn.modules.module.Module, tracer_kwargs: Dict = {}, suppress_diff_warning: bool = False) → Tuple[List[str], List[str]]

参数：

• model(nn.Module) -我们要为其打印节点名称的模型

• tracer_kwargs(dict,可选的) -

  NodePathTracer 的关键参数字典(它们最终被传递到 torch.fx.Tracer )。

• suppress_diff_warning(bool,可选的) -当图表的 train 和 eval 版本之间存在差异时是否抑制警告。默认为假。

返回：

在训练模式下跟踪模型的节点名称列表，以及在评估模式下跟踪模型的另一个节点名称列表。

返回类型：

tuple ( list , list )

开发实用程序按执行顺序返回节点名称。请参阅 create_feature_extractor() 下有关节点名称的注释。对于查看哪些节点名称可用于特征提取非常有用。无法轻松地直接从模型代码中读取节点名称有两个原因：

1. 并非所有子模块都被跟踪。 torch.nn 中的模块都属于此类别。

2. 表示重复应用相同操作或叶模块的节点获得_{counter} 后缀。

该模型被跟踪两次：一次在训练模式下，一次在评估模式下。返回两组节点名称。

有关此处使用的节点命名约定的更多详细信息，请参阅documentation 中的相关子标题。

例子：

>>> model = torchvision.models.resnet18()
>>> train_nodes, eval_nodes = get_graph_node_names(model)