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]]

用於返回按執行順序排列的節點的開發實用程式。有關節點名稱的說明，請參閱 create_feature_extractor()。這對於檢視可用於特徵提取的節點名稱非常有用。節點名稱無法輕鬆從模型程式碼中直接讀取有兩個原因：

1. 並非所有子模組都會被追蹤。來自 torch.nn 的模組都屬於此類。

2. 表示相同操作或葉子模組重複應用的節點會獲得一個 _{counter} 字尾。

模型會追蹤兩次：一次在訓練模式下，一次在評估模式下。將返回兩個節點的名稱集。

有關此處使用的節點命名約定的更多詳細資訊，請參閱 相關小節，位於 文件 中。

引數:

• model (nn.Module) – 我們想要列印節點名稱的模型

• tracer_kwargs (dict, optional) – 用於 NodePathTracer 的關鍵字引數字典（最終會傳遞給 torch.fx.Tracer）。預設情況下，它將包裝並使所有 torchvision 操作成為葉子節點：{“autowrap_modules”: (math, torchvision.ops,),”leaf_modules”: _get_leaf_modules_for_ops(),} 警告：如果使用者提供 tracer_kwargs，上述預設引數將附加到使用者提供的字典中。

• suppress_diff_warning (bool, optional) – 當訓練和評估版本圖存在差異時，是否抑制警告。預設為 False。

• concrete_args (Optional[Dict[str, any]]) – 不應被視為代理的具體引數。根據 Pytorch 文件，此引數的 API 可能不被保證。

返回:

一個在訓練模式下追蹤模型得到的節點名稱列表，以及一個在評估模式下追蹤模型得到的節點名稱列表。

返回型別:

tuple(list, list)

示例

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