Netron 是一款用于查看神经网络、深度学习和机器学习模型的工具。

Netron 支持 ONNX、TensorFlow Lite、PyTorch、torch.export、ExecuTorch、Core ML、Keras、Caffe、Darknet、TensorFlow.js、Safetensors 以及 NumPy 等格式。

Netron 还对 TorchScript、MLIR、TensorFlow、OpenVINO、RKNN、ncnn、MNN、PaddlePaddle、GGUF 和 scikit-learn 等格式提供了实验性支持。

安装

浏览器: 直接在浏览器中访问 开始使用 浏览器版本。

macOS: 下载 .dmg 文件，或运行 brew install --cask netron。

Linux: 下载 .deb 或 .rpm 文件。

Windows: 下载 .exe 安装程序，或运行 winget install -s winget netron。

Python: 使用 pip install netron 安装，然后运行 netron [FILE] 或 netron.start('[FILE]')。

模型

以下是一些可供下载或通过浏览器版本打开的示例模型文件：

• ONNX: squeezenet [打开]

• TorchScript: traced_online_pred_layer [打开]

• TensorFlow Lite: yamnet [打开]

• TensorFlow: chessbot [打开]

• Keras: mobilenet [打开]

• MLIR: edge_detection [打开]

• Core ML: exermote [打开]

• Darknet: yolo [打开]

Netron 快速上手指南

Netron 是一款专为神经网络、深度学习和机器学习模型设计的可视化工具。它支持 ONNX、PyTorch、TensorFlow Lite、Core ML、Keras 等多种主流格式，帮助开发者直观地查看模型结构、层级连接及参数信息。

环境准备

• 操作系统：支持 Windows、macOS、Linux。
• 前置依赖：
  • 桌面版：无需额外依赖，直接安装即可运行。
  • Python 版：需安装 Python 3.x 及 pip 包管理工具。
  • 浏览器版：无需安装，仅需现代浏览器（Chrome, Edge, Firefox 等）。
• 网络建议：若访问 GitHub 释放页或 PyPI 源较慢，建议使用国内镜像源或代理加速。

安装步骤

根据您的使用习惯，选择以下任一方式安装：

1. 桌面客户端（推荐）

• macOS

  • 使用 Homebrew 安装：

    brew install --cask netron
    

  • 或下载 .dmg 文件手动安装。

• Windows

  • 使用 winget 安装：

    winget install -s winget netron
    

  • 或下载 .exe 安装包手动安装。

• Linux

  • 前往发布页下载对应发行版的 .deb (Debian/Ubuntu) 或 .rpm (Fedora/CentOS) 文件进行安装。

2. Python 命令行工具

适用于已配置 Python 环境的开发者：

pip install netron
# 国内用户推荐使用清华源加速安装
# pip install netron -i https://pypi.tuna.tsinghua.edu.cn/simple

3. 浏览器免安装版

无需安装，直接访问官网即可使用：

• 地址：https://netron.app

基本使用

方式一：启动桌面应用

安装完成后，直接在系统应用菜单中打开 Netron。

• 将模型文件（如 .onnx, .pt, .h5 等）拖拽到窗口中即可查看。
• 或通过 File -> Open 选择本地文件。

方式二：使用 Python 命令启动

在终端中运行以下命令，自动启动本地服务器并在浏览器中打开模型：

# 直接指定文件路径启动
netron model.onnx

# 或在 Python 脚本/交互模式中调用
python -c "import netron; netron.start('model.onnx')"

启动后，终端会显示本地访问地址（通常为 http://localhost:8080），按提示在浏览器打开即可。

方式三：浏览器直接加载

如果您使用的是浏览器版，或者想分享模型链接：

1. 打开 https://netron.app。
2. 点击页面上的 "Open Model" 按钮上传本地文件。
3. 或者在 URL 后添加 ?url= 参数直接加载远程模型（需跨域支持），例如： https://netron.app?url=https://example.com/model.onnx

支持的主要格式

• 完全支持：ONNX, TensorFlow Lite, PyTorch (.pt, .pth), Core ML, Keras, Caffe, Darknet, TensorFlow.js, Safetensors, NumPy。
• 实验性支持：TorchScript, MLIR, TensorFlow (.pb), OpenVINO, PaddlePaddle, GGUF, scikit-learn 等。