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]]

用于按执行顺序返回节点名称的开发实用程序。有关节点名称的说明，请参阅 create_feature_extractor()。对于查看哪些节点名称可用于特征提取很有用。节点名称之所以不能直接从模型代码中轻松读取，主要有两个原因：

1. 并非所有子模块都进行了跟踪。来自 torch.nn 的模块都属于此类。

2. 表示相同操作或叶子模块重复应用的节点会获得一个 _{counter} 后缀。

模型会跟踪两次：一次在训练模式下，一次在评估模式下。将返回两组节点名称。

有关此处使用的节点命名约定的更多详细信息，请参阅 相关小节 中的 文档。

参数:

• model (nn.Module) – 我们希望打印节点名称的模型

• tracer_kwargs (dict, optional) – 用于 NodePathTracer 的关键字参数字典（它们最终会传递给 torch.fx.Tracer）。默认情况下，它将设置为包装并使所有 torchvision ops 成为叶子节点：{“autowrap_modules”: (math, torchvision.ops,),”leaf_modules”: _get_leaf_modules_for_ops(),} 警告：如果用户提供了 tracer_kwargs，上述默认参数将追加到用户提供的字典中。

• suppress_diff_warning (bool, optional) – 当训练和评估版本的图之间存在差异时，是否抑制警告。默认为 False。

• concrete_args (Optional[Dict[str, any]]) – 不应被视为代理的具体参数。根据 Pytorch 文档，此参数的 API 可能不受保证。

返回:

在训练模式下跟踪模型得到的节点名称列表，以及在评估模式下跟踪模型得到的节点名称列表。

返回类型:

tuple(list, list)

示例

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