torch-inspect 0.0.3

简单示例

importtorch.nnasnnimporttorch.nn.functionalasFimporttorch_inspectasticlassSimpleNet(nn.Module):def__init__(self):super(SimpleNet,self).__init__()self.conv1=nn.Conv2d(1,6,3)self.conv2=nn.Conv2d(6,16,3)self.fc1=nn.Linear(16*6*6,120)self.fc2=nn.Linear(120,84)self.fc3=nn.Linear(84,10)defforward(self,x):x=F.max_pool2d(F.relu(self.conv1(x)),(2,2))x=F.max_pool2d(F.relu(self.conv2(x)),2)x=x.view(-1,self.num_flat_features(x))x=F.relu(self.fc1(x))x=F.relu(self.fc2(x))x=self.fc3(x)returnxdefnum_flat_features(self,x):size=x.size()[1:]num_features=1forsinsize:num_features*=sreturnnum_featuresnet=SimpleNet()ti.summary(net,(1,32,32))

将产生以下输出：

对于网络信息的编程访问，有inspect函数：

info=ti.inspect(net,(1,32,32))print(info)

[LayerInfo(name='Conv2d-1', input_shape=[100, 1, 32, 32], output_shape=[100, 6, 30, 30], trainable_params=60, non_trainable_params=0),
 LayerInfo(name='Conv2d-2', input_shape=[100, 6, 15, 15], output_shape=[100, 16, 13, 13], trainable_params=880, non_trainable_params=0),
 LayerInfo(name='Linear-3', input_shape=[100, 576], output_shape=[100, 120], trainable_params=69240, non_trainable_params=0),
 LayerInfo(name='Linear-4', input_shape=[100, 120], output_shape=[100, 84], trainable_params=10164, non_trainable_params=0),
 LayerInfo(name='Linear-5', input_shape=[100, 84], output_shape=[100, 10], trainable_params=850, non_trainable_params=0)]

安装

安装过程简单，只需：

$ pip install torch-inspect

要求

• Python3.6+
• PyTorch1.0+

推荐和感谢

此包基于pytorch-summary和PyTorchissue。与 pytorch-summary，pytorch inspect支持RNN/LSTMs，还提供程序化的 访问网络摘要信息。更模块化的结构和测试的存在 它更容易扩展和支持更多的功能。在

变化

0.0.3（2019-09-22）

• 增加了LSTM支持
• 固定多输入/输出支持
• 添加了更多的网络测试用例
• 默认情况下，批大小不再为-1

0.0.2（2019-09-22）

• 增加批量定额支持
• 已删除设备参数

0.0.1（2019-09-1）

• 初始版本。在