【ONNX / PyTorch】機械学習モデルをグラフィカルに可視化するnetronを使ってみた
はじめに
機械学習モデルの可視化できるライブラリであるnetronを使用してみました．
netronでは，ONNX，Keras, TensorFlow Liteなどのモデルの可視化を行うことができます．
また実験的な段階ですが，PyTorchやTensorFlow，scikit-learnなどのサポートもしています．
今回は，ONNXモデルとPyTorchモデルの可視化をしてみましたので，その使い方についてこちらにメモを残しておきます．
その他の可視化ライブラリについても，過去に記事をまとめていますので，ご参照いただければと思います．
netronとは
netronとは，機械学習モデルをグラフィカルに可視化できるライブラリです．
以下のライブラリのモデルの可視化を行うことができます．
- ONNX
- TensorFlow Lite
- Caffe, Keras
- Darknet
- PaddlePaddle
- ncnn, MNN
- Core ML
- RKNN
- MXNet
- MindSpore Lite
- TNN, Barracuda
- Tengine
- CNTK
- TensorFlow.js
- Caffe2
- UFF
また実験的な段階ですが，PyTorchやTensorFlow，scikit-learnなどのサポートもしています．
今回は，ONNXモデルとPyTorchのモデルの可視化を行ってみました．
インストール方法
netronはブラウザで使用することができるため，基本的にインストール不要です．
インストールして使用したい場合は，pipなどでインストール可能です．
インストール方法の詳細はこちらをご確認ください．
使い方
上記のサイトにアクセスし，Open Model...をクリックして，対象のモデルの重みファイルを追加するだけです．
ONNXモデルの可視化
まずはONNXモデルを可視化してみます．
重みファイルはnetronのREADME.mdに掲載されているSqueezeNetを使用しました．(リンク)
モデルを可視化した結果は以下の通りです．
このようにグラフィカルにモデルを可視化することができました！
各レイヤーのパラメータや，計算の処理順などが一眼でわかります．
また各レイヤをクリックすることで，レイヤの属性や入力などを確認することも可能です．
PyTorhモデルの可視化
続いてPyTorchのモデルを可視化してみます．
重みファイルはtorchvisionで提供されているResNet18を使用しました．(リンク)
モデルの可視化結果は以下の通りです．
やはり実験段階なだけあって，PyTorchのモデルはあまり綺麗に可視化できませんでした．
特にskip connectionなど，レイヤを結ぶのパスがないのが非常に見にくいです．
PyTorchのモデルを可視化するには，一度ONNXモデルに変換する必要がありそうです．
PyTorchのモデルをONNXに変換してから可視化
それでは，PyTorchのモデルをONNXモデルに変換して，可視化してみます．
以下は変換のためのコードです．(参考)
import torch from torchvision.models import resnet18 dummy_input = torch.randn(2, 3, 224, 224) model = resnet18(pretrained=True) input_names = [] output_names = [] torch.onnx.export( model, dummy_input, "resnet18.onnx", verbose=True, input_names=input_names, output_names=output_names )
こちらを実行し，作成したresnet18.onnxファイルを，netronで可視化してみます．
PyTorchモデルを可視化した時とは違い，ちゃんとレイヤのパスが可視化されていることが確認できました！
やや不便ではありますが，PyTorchのモデルを可視化する際は，ONNXモデルに変換するのが良さそうです．
PyTorchモデルの可視化に関しては，過去に別のライブラリを用いた記事をまとめているので，良ければ以下もご参照ください．
まとめ
機械学習モデルの可視化できるライブラリであるnetronを使用してみました．
PyTorchのモデルを可視化するのはやや不便ではありますが，
ONNXのモデルなどの可視化は非常に見やすく，便利だなと感じました．
参考
- lutzroeder/netron: Visualizer for neural network, deep learning, and machine learning models
- torch.onnx — PyTorch 1.10.1 documentation
リンク
リンク
リンク
