深度学习&PyTorch 之 DNN-回归
深度学习&PyTorch 之 DNN-回归（多变量）
分别介绍了DNN回归的方法和代码，但是模型建立好了，他到底是个什么样子呢？
我们这节给大家介绍一个查看模型结构的方法
可视化介绍
我们这里不使用Tensorboard，而是使用graphviz来进行安装，安装的过程需要两部
- 首先要下载到本地
官网下载，默认下载最新版本，安装过程中一定要勾选配置环境变量。
通过cmd测试是否安装成功。命令：dot -version （同样注意dot后有一个空格） - 打开Anaconda Prompt 输入pip install graphviz，这个就比较简单了。如果之前安装过的话，需要在第一步之前先卸载一下：pip uninstall graphviz
实战
数据代入到模型定义的代码是不变的，所以直接复制之前的代码就好
#模型实例化
model = LinearModel()
#导入相关的包
from torchviz import make_dot, make_dot_from_trace
make_dot(model(demo), params=dict(model.named_parameters()))
#一行代码就搞定了
这样就可以直接打印出来了，看着也很清晰
#show_saved参数
make_dot(model(demo), params=dict(model.named_parameters()),show_saved=True)
可以展示向后传播的矩阵大小
#show_attrs
make_dot(model(demo), params=dict(model.named_parameters()), show_attrs=True, show_saved=True)
可以将中间的过程也打印出来
如果网络很复杂，那么notebook页面会显示不全，可以将结果保存到本地，再打开查看
graph = make_dot(model(demo), params=dict(model.named_parameters()),show_saved=True)
graph.view('model_structure.pdf')
