两种方式

当我们使用pytorch进行模型训练或测试时，有时候希望能知道模型每一层分别是什么，具有怎样的参数。此时我们可以将模型打印出来，输出每一层的名字、类型、参数等。
常用的命令行打印模型结构的方法有两种：

• 一是直接print
• 二是使用torchsummary库的summary
  但是二者在输出上有着一些区别。首先说结论：
  print输出结果是每一层的名字、类别、以及构造时的参数，例如对于卷积层，还包括用户定义的stride、bias等；而torch summary则会打印类别、深度、输出Tensor的形状、参数数量等。
  这也是很重要的一点，print打印的每一层顺序，是模型init函数中定义的顺序，而torchsummary则是模型执行起来输入张量真正计算的顺序。

torch summary 安装：

示例

print:

summary:

打印每一层的输入输出结构

import torch
from torch import nn
#from d2l import torch as d2lnet1D = nn.Sequential(nn.Conv1d(1,6,kernel_size=5,padding=2),nn.Sigmoid(),nn.AvgPool1d(kernel_size=2,stride=2),nn.Conv1d(6,16,kernel_size=5),nn.Sigmoid(),nn.AvgPool1d(kernel_size=2,stride=2),nn.Flatten(),nn.Linear(16*5,120),nn.Sigmoid(), # 这边要根据上面的输出重新计算拉平后的大小nn.Linear(120,84),nn.Sigmoid(),nn.Linear(84,2))
Y=torch.rand(size=(1,1,28),dtype=torch.float32)  # 批次大小，通道数，长度
for layer in net1D:Y=layer(Y)print(layer.__class__.__name__, 'output shape: \t',Y.shape)

Conv1d output shape:      torch.Size([1, 6, 28])
Sigmoid output shape:      torch.Size([1, 6, 28])
AvgPool1d output shape:      torch.Size([1, 6, 14])
Conv1d output shape:      torch.Size([1, 16, 10])
Sigmoid output shape:      torch.Size([1, 16, 10])
AvgPool1d output shape:      torch.Size([1, 16, 5])
Flatten output shape:      torch.Size([1, 80])
Linear output shape:      torch.Size([1, 120])
Sigmoid output shape:      torch.Size([1, 120])
Linear output shape:      torch.Size([1, 84])
Sigmoid output shape:      torch.Size([1, 84])
Linear output shape:      torch.Size([1, 2])