AI模型可视化工具netron
·
netron试用
netron是一款AI模型可视化工具,进入其官网后,可直接点击【Open Model】打开模型,就可以查看其内部的网络结构。该工具提供了VS Code插件,名字是【vscode-netron】,作者Vincent Templier,别装错了。
安装完成后,即可打开模型文件,下图截取自yolo26n,文件格式为onnx。

图中,Conv即为卷积层, W W W为参数权重, B B B为参数偏置。Mul为逐元素乘法、Split为分支操作、Sigmoid是激活函数,非常清晰明了,网络结构一目了然。当然,这也是得益于onnx这种通用交换格式的标准性。
支持格式
netron支持多种文件格式,如下表所示
| 格式 | 所属生态 | 存储内容 | 核心特点 | 典型场景 |
|---|---|---|---|---|
| *.onnx | 跨框架 (LF AI) | 标准化计算图 + 权重 | 通用交换格式,支持动态 shape、多后端推理(TensorRT/OpenVINO等) | 模型可视化、跨框架迁移、工业部署首选 |
| *.pt *.pth |
PyTorch | 权重字典/ 完整模型 / TorchScript 图 | Python pickle 序列化(传统 .pth);现代 .pt 多为 TorchScript 或规范命名 | 训练 checkpoint、微调、PyTorch 推理 |
| *.pb | TensorFlow | Protocol Buffer 格式的计算图+权重 | 语言无关、序列化紧凑;TF1 为 Frozen Graph,TF2 为 SavedModel 组件 | TF Serving、转 TFLite/ONNX、生产部署 |
| *.h5 *.keras |
Keras / TF | HDF5 容器:架构+权重+优化器状态 | 人类可读元数据、支持部分加载 .keras 为 Keras 3+ 新标准 |
Keras 快速原型、轻量级存档 |
| *.tflite | TensorFlow Lite | FlatBuffer 压缩的轻量模型+量化表 | 专为边缘设备优化,支持 delegate(GPU/NPU)、INT8 量化 | Android/iOS/树莓派/微控制器 |
| *.mlmodel | Apple Core ML | 编译后的 Apple 硬件优化模型 | 仅支持 macOS/iOS,需 CoreML Tools 转换,自动调度 CPU/GPU/Neural Engine | 苹果生态端侧 AI 应用 |
| *.paddle | 百度飞桨 | Paddle 原生推理模型(常配对 .pdmodel+.pdiparams) | 针对国产芯片/工业场景优化 配套 Paddle Lite/Inference |
百度 AI 云、工业视觉、中文开发者生态 |
| *.safetensors | Hugging Face | 仅权重(内存映射 Zero-Copy 格式) | 🔒 安全(不执行任意代码)、加载极快、替代 pickle 的现代标准 | Diffusers、LLMs、现代 HF/PyTorch 工作流 |
| *.pickle | Python 标准库 | 任意 Python 对象(含模型/数据/代码) | ⚠️ 高风险(反序列化可执行恶意代码)、仅限 Python 环境 | 旧版 scikit-learn、早期 PyTorch 权重 |
| *.xmodel | AMD/Xilinx Vitis AI | 编译后的 FPGA/DPU 专用模型 | 硬件绑定,需 Vitis AI Compiler 量化/编译,含算子调度策略 | FPGA 边缘计算、机器人、工业相机 |
小结
Netron是一款AI模型可视化工具,支持多种主流格式如ONNX、PyTorch、TensorFlow等。用户可通过官网直接打开模型查看网络结构,或安装VS Code插件使用。该工具能清晰展示卷积层、激活函数等组件,特别适合分析ONNX这类标准化格式的模型。支持格式涵盖工业部署(ONNX/TFLite)、研究开发(PyTorch/Keras)和边缘计算(CoreML/Xilinx),其中ONNX因其跨框架特性成为可视化首选,而新兴的safetensors格式则提供了更安全的权重存储方案。
AtomGit 是由开放原子开源基金会联合 CSDN 等生态伙伴共同推出的新一代开源与人工智能协作平台。平台坚持“开放、中立、公益”的理念,把代码托管、模型共享、数据集托管、智能体开发体验和算力服务整合在一起,为开发者提供从开发、训练到部署的一站式体验。
更多推荐

所有评论(0)