相关疑难解决方法(0)

class Model(nn.Module):
  def __init__(self):
    super(Model, self).__init__()
    self.net = nn.Sequential(
      nn.Conv2d(in_channels = 3, out_channels = 16), 
      nn.ReLU(), 
      nn.MaxPool2d(2),
      nn.Conv2d(in_channels = 16, out_channels = 16), 
      nn.ReLU(),
      Flatten(),
      nn.Linear(4096, 64),
      nn.ReLU(),
      nn.Linear(64, 10))

  def forward(self, x):
    return self.net(x)

我在没有扎实的神经网络知识的情况下创建了这个模型，我只是固定参数，直到它在训练中起作用。我不确定如何获得每一层的输出维度（例如第一层之后的输出维度）。

在 Pytorch 中是否有一种简单的方法可以做到这一点？

import torch
import torch.nn as nn
import torch.optim as optim
import torch.utils.data as data
import torchvision.models as models
import torchvision.datasets as dset
import torchvision.transforms as transforms
from torch.autograd import Variable
from torchvision.models.vgg import model_urls
from torchviz import make_dot

batch_size = 3
learning_rate =0.0002
epoch = 50

resnet = models.resnet50(pretrained=True)
print resnet
make_dot(resnet)

我想resnet从pytorch模型可视化。我该怎么做？我尝试使用，torchviz但出现错误：

'ResNet' object has no attribute 'grad_fn'

我加载了一个自定义 PyTorch 模型，我想找出它的输入形状。像这样的东西：

model.input_shape

是否有可能获得这些信息？

更新： print()并且summary()不显示此模型的输入形状，因此它们不是我要找的。

我正在使用手电筒摘要

from torchsummary import summary

我想在打印模型摘要时传递多个参数，但是这里提到的示例：pytorch中的模型摘要仅采用了一个参数。例如：

model = Network().to(device)
summary(model,(1,28,28))

原因是 forward 函数需要两个参数作为输入，例如：

def forward(self, img1, img2):

我如何在这里传递两个参数？