深度学习&PyTorch 之 DNN-回归
深度学习&PyTorch 之 DNN-回归（多变量）
分别介绍了DNN回归的方法和代码，但是模型建立好了，他到底是个什么样子呢？
我们这节给大家介绍一个查看模型结构的方法

可视化介绍

我们这里不使用Tensorboard，而是使用graphviz来进行安装，安装的过程需要两部

• 首先要下载到本地
  官网下载，默认下载最新版本，安装过程中一定要勾选配置环境变量。
  
  在这里插入图片描述
  
  通过cmd测试是否安装成功。命令：dot -version （同样注意dot后有一个空格）
• 打开Anaconda Prompt 输入pip install graphviz，这个就比较简单了。如果之前安装过的话，需要在第一步之前先卸载一下：pip uninstall graphviz

实战

数据代入到模型定义的代码是不变的，所以直接复制之前的代码就好

#模型实例化
model = LinearModel()

#导入相关的包
from torchviz import make_dot, make_dot_from_trace
make_dot(model(demo), params=dict(model.named_parameters()))
#一行代码就搞定了

[图片上传失败...(image-f37dac-1673683343075)]

这样就可以直接打印出来了，看着也很清晰

#show_saved参数
make_dot(model(demo), params=dict(model.named_parameters()),show_saved=True)

在这里插入图片描述

可以展示向后传播的矩阵大小

#show_attrs
make_dot(model(demo), params=dict(model.named_parameters()), show_attrs=True, show_saved=True)

在这里插入图片描述

可以将中间的过程也打印出来

如果网络很复杂，那么notebook页面会显示不全，可以将结果保存到本地，再打开查看

graph = make_dot(model(demo), params=dict(model.named_parameters()),show_saved=True)
graph.view('model_structure.pdf')