如何用torchinfo生成GAN生成器及完整GAN的网络结构摘要

1. 生成器完整摘要生成方法 #

完全可以用torchinfo为生成器输出和判别器同等详细度的结构摘要，你之前参数传错了。
torchinfo生成完整摘要的核心逻辑是执行一次真实的前向传播，通过hook捕获每一层的输入输出张量，才能计算出每层输出形状、乘加计算量、显存占用这类统计数据。你之前给生成器传output_size参数的方式是错误的，这个参数不触发完整前向追踪，只能遍历模型结构算出参数量，自然缺失其他字段。
生成器的输入是隐空间噪声，你只需要传入噪声的维度即可，参考你贴的生成器第一层Linear参数量（25856）推算，你的噪声维度为100，正确调用代码如下：

model = Generator()
batch_size = 32
noise_dim = 100 # 替换为你实际使用的隐向量维度
summary(model, input_size=(batch_size, noise_dim))

执行后就能得到和判别器完全一致的、包含所有统计字段的完整摘要。

2. 同时覆盖生成器+判别器的GAN整体摘要方案 #

存在两种成熟的实现方案，按需选择即可：

• 方案一：封装端到端GAN模型（推荐，可获取全链路统计）
  写一个简单的包装类把生成器、判别器包含在内，forward方法实现从噪声输入到判别器输出的完整推理流程，直接传入噪声维度即可一次性生成整个GAN的完整结构摘要，示例代码：

  import torch.nn as nn
  from torchinfo import summary
  
  class FullGAN(nn.Module):
      def __init__(self, generator, discriminator):
          super().__init__()
          self.generator = generator
          self.discriminator = discriminator
      
      def forward(self, noise):
          fake_images = self.generator(noise)
          d_logits = self.discriminator(fake_images)
          return d_logits
  
  # 调用示例
  batch_size = 32
  noise_dim = 100
  gan_model = FullGAN(Generator(), Discriminator())
  summary(gan_model, input_size=(batch_size, noise_dim))
  

  该方式输出的摘要会按执行顺序列出生成器、判别器的所有层，同时自动计算整个GAN端到端的总参数量、总乘加计算量、显存占用等完整统计信息。
• 方案二：分别生成两个子网络的摘要
  如果你需要单独查看两个子网络的独立统计数据，不需要端到端链路信息，直接分别对生成器、判别器调用summary，传入各自对应的输入尺寸即可，最后把两份结果拼接使用。

内容的提问来源于stack exchange，提问作者Sterik