pytorch打印模型结构

在PyTorch中，我们可以使用`print`函数来打印模型的结构。下面是一个常用的方法：

首先，我们需要定义一个模型，例如一个简单的卷积神经网络（CNN）模型：

import torch
import torch.nn as nn

class CNN(nn.Module):
    def __init__(self):
        super(CNN, self).__init__()
        self.conv1 = nn.Conv2d(in_channels=3, out_channels=16, kernel_size=3, stride=1, padding=1)
        self.relu = nn.ReLU()
        self.maxpool = nn.MaxPool2d(kernel_size=2)
        self.conv2 = nn.Conv2d(in_channels=16, out_channels=32, kernel_size=3, stride=1, padding=1)
        self.fc = nn.Linear(32 * 8 * 8, 10)

    def forward(self, x):
        x = self.conv1(x)
        x = self.relu(x)
        x = self.maxpool(x)
        x = self.conv2(x)
        x = self.relu(x)
        x = self.maxpool(x)
        x = x.view(x.size(0), -1)
        x = self.fc(x)
        return x

model = CNN()

然后，我们可以使用`print`函数打印模型的结构：

print(model)

执行以上代码后，我们就可以在终端或输出窗口中看到打印出的模型结构，其中包括各个层的名称、类型和连接关系等信息。

注意，打印出的模型结构可能会包含许多层，对于大型的模型，可能会超出300字的限制。因此，你可能需要根据实际情况进行适当的缩减。