如何在Tensorboard中查看格式规整的PyTorch模型结构摘要

直接调用writer.add_text("model", str(model))出现格式错乱，核心原因是add_text()默认将传入内容按Markdown规则解析，纯文本的换行、缩进不会被自动保留，只要做简单格式包裹即可实现和控制台print(net)完全一致的展示效果。

方案1：代码块包裹模型字符串写入（推荐用于多版本结构对比） #

该方法不需要构造模型输入、不触发前向计算，写入的内容和控制台print输出完全一致，适合多组对比实验下不同版本模型的结构留存。
实现代码如下：

from torch.utils.tensorboard import SummaryWriter

# 初始化日志写入器、实例化模型
writer = SummaryWriter(log_dir="./runs/exp_version1")
net = Net(input_shape=(1,64,1292), num_classes=4)

# 将模型字符串包裹为Markdown代码块格式
formatted_model_str = "```python\n" + str(net) + "\n```"
# 写入TensorBoard，可通过global_step参数区分不同实验版本
writer.add_text("model/architecture", formatted_model_str, global_step=1)

writer.close()

写入后打开TensorBoard的Text面板，就能看到缩进、换行完全和控制台一致，还带基础语法高亮的模型结构。

方案2：写入交互式计算图 #

如果需要同时留存可交互的模型计算图，只需要构造一个和模型输入形状匹配的哑张量传入add_graph即可，不需要使用真实数据集：

writer = SummaryWriter(log_dir="./runs/exp_version1")
net = Net(input_shape=(1,64,1292), num_classes=4)
# 构造带batch维度的哑输入，形状为(batch_size, channels, height, width)
dummy_input = torch.randn(1, 1, 64, 1292)
writer.add_graph(net, dummy_input)
writer.close()

附：你贴出的Net代码存在两处会导致运行报错的问题：

• 计算卷积层输出特征数时使用了np.prod，但未导入numpy库
• forward函数中调用了self.feature_extractor(x)，但你定义的卷积模块属性名为self.conv，属性名不匹配会抛出AttributeError

内容的提问来源于stack exchange，提问作者bikram