Deep learning 从PyTorch模块中提取执行DAG 让我们考虑一个简单的前馈深网甚至RESNET。在这两种情况下，您都可以将执行流视为DAG（有向无环图），其中节点是层（如果没有跳过连接，则为链）_Deep Learning_Pytorch

Deep learning 从PyTorch模块中提取执行DAG 让我们考虑一个简单的前馈深网甚至RESNET。在这两种情况下，您都可以将执行流视为DAG（有向无环图），其中节点是层（如果没有跳过连接，则为链）

deep-learning pytorch

Deep learning 从PyTorch模块中提取执行DAG 让我们考虑一个简单的前馈深网甚至RESNET。在这两种情况下，您都可以将执行流视为DAG（有向无环图），其中节点是层（如果没有跳过连接，则为链）,deep-learning,pytorch,Deep Learning,Pytorch,出于某种原因，我需要这个用于pyTorch模型的DAG。到目前为止，我一直在使用自定义对象子类nn.Module（它存储我需要的信息），但我希望最终能够在管道的输入中使用任意模型。有没有办法自动提取此DAG？（如果它在所有情况下都不起作用，这并不重要，我主要是寻找总体思路/原则来实现我的目标）。这确实是可能的。考虑下面的一个简单的公式作为一个更复杂的网络的立场评价： import torch a = torch.randn(3, requires_grad=True) b = 3*a + 1 c

出于某种原因，我需要这个用于pyTorch模型的DAG。到目前为止，我一直在使用自定义对象子类nn.Module（它存储我需要的信息），但我希望最终能够在管道的输入中使用任意模型。有没有办法自动提取此DAG？（如果它在所有情况下都不起作用，这并不重要，我主要是寻找总体思路/原则来实现我的目标）。

这确实是可能的。考虑下面的一个简单的公式作为一个更复杂的网络的立场评价：

import torch
a = torch.randn(3, requires_grad=True)
b = 3*a + 1
c = torch.relu(b)
d = c.sum()

然后

有一个

.grad\u fn

属性，您可以从该属性递归计算图，如下所示

d.grad_fn
d.grad_fn.next_functions
d.grad_fn.next_functions
d.grad_fn.next_functions[0][0].next_functions
d.grad_fn.next_functions[0][0].next_functions[0][0].next_functions

基本上，

next_functions

为您提供了当前模块/操作的参数列表，该列表的每个条目都是一个包含实际对象的元组，以及一个指示参数位置的整数。这是更详细的记录

如果您不想自己动手，也可以使用tensorboard内置的计算图可视化工具，即SummaryWriter.add_graph（）。

谢谢！似乎next_函数是我的正确切入点！