1.安装
pip install netron
2.创建文件
随便命名一个文件比如说22.py,把下面的代码写入进去
import netron
modelPath = "mbv3_large_75_final.pt"
netron.start(modelPath)
3.运行文件结果
http://localhost:8080/会弹出来这个
Python实用记录(三):通过netron可视化模型
2024-10-16
31
版权
版权声明：
本文内容由阿里云实名注册用户自发贡献，版权归原作者所有，阿里云开发者社区不拥有其著作权，亦不承担相应法律责任。具体规则请查看《
阿里云开发者社区用户服务协议》和
《阿里云开发者社区知识产权保护指引》。如果您发现本社区中有涉嫌抄袭的内容，填写
侵权投诉表单进行举报，一经查实，本社区将立刻删除涉嫌侵权内容。
简介：
使用Netron工具在Python中可视化神经网络模型，包括安装Netron、创建文件和运行文件的步骤。
目录
相关文章
|
8天前
|
机器学习/深度学习
数据采集
TensorFlow
|
3天前
|
机器学习/深度学习
数据采集
TensorFlow
|
20天前
|
机器学习/深度学习
数据采集
传感器
|
5天前
|
机器学习/深度学习
算法
数据可视化
|
4天前
|
机器学习/深度学习
人工智能
算法
【手写数字识别】Python+深度学习+机器学习+人工智能+TensorFlow+算法模型
手写数字识别系统，使用Python作为主要开发语言，基于深度学习TensorFlow框架，搭建卷积神经网络算法。并通过对数据集进行训练，最后得到一个识别精度较高的模型。并基于Flask框架，开发网页端操作平台，实现用户上传一张图片识别其名称。
17
0
0
|
4天前
|
机器学习/深度学习
人工智能
算法
基于深度学习的【蔬菜识别】系统实现~Python+人工智能+TensorFlow+算法模型
蔬菜识别系统，本系统使用Python作为主要编程语言，通过收集了8种常见的蔬菜图像数据集（'土豆', '大白菜', '大葱', '莲藕', '菠菜', '西红柿', '韭菜', '黄瓜'），然后基于TensorFlow搭建卷积神经网络算法模型，通过多轮迭代训练最后得到一个识别精度较高的模型文件。在使用Django开发web网页端操作界面，实现用户上传一张蔬菜图片识别其名称。
17
0
0
|
9天前
|
机器学习/深度学习
数据采集
数据库
|
6天前
|
机器学习/深度学习
数据采集
TensorFlow
|
8天前
|
机器学习/深度学习
算法
PyTorch
|
11天前
|
机器学习/深度学习
供应链
安全