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]]

用於按執行順序返回節點名稱的開發實用工具。參閱關於節點名稱的說明，位於 create_feature_extractor() 下方。有助於檢視哪些節點名稱可用於特徵提取。節點名稱不能直接從模型程式碼中輕鬆讀取的原因有兩個

1. 並非所有子模組都會被追蹤。`torch.nn` 中的所有模組都屬於此類。

2. 表示重複應用同一操作或葉子模組的節點會帶有一個 `_{counter}` 字尾。

模型會被追蹤兩次：一次在訓練模式下，一次在評估模式下。兩次追蹤得到的節點名稱列表都會被返回。

有關此處使用的節點命名約定的更多詳細資訊，請參閱 相關副標題 在 文件中。

引數：

• model (nn.Module) – 我們想要列印節點名稱的模型

• tracer_kwargs (dict, 可選) – `NodePathTracer` 的關鍵字引數字典（它們最終會傳遞給 torch.fx.Tracer）。預設情況下，它將被設定為包裝所有 torchvision 操作並使其成為葉子節點：{“autowrap_modules”: (math, torchvision.ops,),”leaf_modules”: _get_leaf_modules_for_ops(),} 警告：如果使用者提供了 `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, 可選) – 當圖的訓練版本和評估版本存在差異時，是否抑制警告。預設為 False。

• concrete_args (Optional[Dict[str, any]]) – 不應被視為 Proxies 的具體引數。根據 Pytorch 文件，此引數的 API 可能無法保證。

返回：

一個列表，包含在訓練模式下追蹤模型得到的節點名稱；另一個列表，包含在評估模式下追蹤模型得到的節點名稱。

返回型別：

tuple(list, list)

示例

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