建设网站需要用到哪些技术人员怎样建设一个公司网站

工具简介：PyTorchviz+Graphviz

• 在深度学习模型开发过程中，理解模型的结构和数据流动对于调试和优化至关重要。PyTorchviz 和 Graphviz 是两个强大的工具，可以帮助我们可视化 PyTorch 模型的计算图。

---

• PyTorchviz 是一个基于 Graphviz 的 Python 包，专门用于可视化 PyTorch 计算图。它能够：显示模型的前向和后向计算图、展示张量的形状和操作类型、帮助理解复杂的模型架构

---

• Graphviz 是一个开源的图形可视化软件，它使用 DOT 语言来描述图形，能够自动生成各种复杂的图形布局。PyTorchviz 依赖 Graphviz 来渲染计算图。

Windows Anaconda环境下的安装指南

1. 安装 Graphviz

1. 打开https://graphviz.org/download/，选择本平台的安装包。
   
2. 注意安装过程中使用默认路径安装和配置环境变量
   
3. 使用命令验证环境变量配置

dot --version
dot - graphviz version 12.2.1 (20241206.2353)

2. 安装 PyTorchviz

• 在Anaconda Python 环境中安装grahpviz和PyTorchviz：

pip install grahpviz
pip install torchviz

使用示例

基本用法

import torch
from torch import nn
from torchviz import make_dot
import os
os.environ["PATH"] += os.pathsep + 'C:/Program Files/Graphviz/bin'
from torch.onnx import TrainingMode # 导出 ONNX 模型时设置模式为 EVAL# 生成一个形状为1*8的随机张量
x = torch.randn(1,8)
# 创建输入和模型
model = nn.Sequential(nn.Linear(8, 16),nn.Tanh(),nn.Linear(16, 1)
)# 使用make_dot函数针对x生成过程计算图
vis_graph = make_dot(model(x), params=dict(model.named_parameters()))
# 查看生成的图
vis_graph.view()
#  生成ONNX文件
with torch.onnx.select_model_mode_for_export(model, TrainingMode.EVAL):# 使用torch.jit.trace记录模型的计算过程trace= torch.jit.trace(model, (x,))output = trace(x)
print(output)
# 在 Jupyter Notebook 中直接显示
display(vis_graph)

高级用法

# 自定义节点外观
dot = make_dot(y, params=dict(model.named_parameters()),show_attrs=True, show_saved=True)# 保存为PDF (更清晰的矢量图)
dot.render('model_graph', format='pdf')# 只显示特定部分
dot = make_dot(y, params=dict(list(model.named_parameters())[:1]))  # 只显示第一层

常见问题解决

1. Graphviz 可执行文件未找到

   Error: failed to execute ['dot', '-Tpng'], make sure the Graphviz executables are on your systems' PATH
   

• 解决方法：在代码中指定路径：

  import os
  os.environ["PATH"] += os.pathsep + 'C:/Program Files/Graphviz/bin/'
  

3. Jupyter Notebook 中不显示图像：确保安装 ipython，尝试使用 display(dot) 而不是直接输出。