get_graph_node_names

torchvision.models.feature_extraction.get_graph_node_names(model: Module, tracer_kwargs: Optional[Dict[str, Any]] = None, suppress_diff_warning: bool = False, concrete_args: Optional[Dict[str, Any]] = None) → Tuple[List[str], List[str]]

开发实用程序，用于按执行顺序返回节点名称。请参阅create_feature_extractor() 下的节点名称说明。对于查看哪些节点名称可用于特征提取非常有用。无法直接从模型代码中轻松读取节点名称有两个原因

1. 并非所有子模块都被跟踪。来自torch.nn 的模块都属于此类别。

2. 表示对同一操作或叶模块重复应用的节点会得到_{counter} 后缀。

该模型被跟踪两次：一次在训练模式下，一次在评估模式下。返回两组节点名称。

有关此处使用的节点命名约定的更多详细信息，请参阅文档 中的相关子标题。

参数：

• model (nn.Module) – 我们要打印节点名称的模型

• tracer_kwargs (dict, optional) – 用于NodePathTracer 的关键字参数字典（它们最终将传递给torch.fx.Tracer）。默认情况下，它将设置为包装并使所有 torchvision 操作成为叶节点：{“autowrap_modules”: (math, torchvision.ops,),”leaf_modules”: _get_leaf_modules_for_ops(),} 警告：如果用户提供 tracer_kwargs，则上述默认参数将被附加到用户提供的字典中。

• suppress_diff_warning (bool, optional) – 是否抑制当图的训练版本和评估版本之间存在差异时的警告。默认为 False。

• concrete_args (Optional[Dict[str, any]]) – 不应被视为代理的具体参数。根据Pytorch 文档，该参数的 API 可能无法保证。

返回值：

在训练模式下跟踪模型的节点名称列表，以及在评估模式下跟踪模型的另一个节点名称列表。

返回类型：

tuple(list, list)

示例

>>> model = torchvision.models.resnet18()
>>> train_nodes, eval_nodes = get_graph_node_names(model)