输出网络结构，该用`torchsummary还是torchinfo呢？最终得出torchsummary.summary()用于结构化数据，torchinfo可以用于非结构化数据

本文链接：https://blog.csdn.net/qlkaicx/article/details/146703936

⚠️ `torchsummary` 的限制

torchsummary.summary() 只能用于 标准的 torch.nn.Sequential 或类 CNN 网络结构，它接受的输入是标准 torch.Tensor，不支持 list 作为输入（比如时间序列 x_seq）。

由于我的模型是 非标准结构，接受的是两个 list 类型的输入：

x_seq = [Tensor1, Tensor2, ..., Tensor10]
edge_seq = [edge_index1, ..., edge_index10]

这超出了 torchsummary 的使用范围，它会直接报错。

✅ 正确的替代方式（推荐）

如果我要查看 网络中每一层的参数数量、输出维度，推荐的方式是手动注册 forward hook 或使用 torchinfo（它支持 list input）。

如果不想使用 torchinfo，可以用 print(model) 展示结构，同时统计总参数量：

✅ 代码示例：打印 xxxx的结构和参数量

def count_parameters(model):
    return sum(p.numel() for p in model.parameters() if p.requires_grad)

print(model)  # 输出模型结构
print(f"\nTotal Trainable Parameters: {count_parameters(model):,}")

🧠 输出示例会是这样的：

DGAT(
  (spatial_att): SpatialAttentionLayer(...)
  (spatial_proj): Linear(in_features=64, out_features=32, bias=True)
  (temporal_att): TemporalAttention(...)
  (fc): Sequential(
    (0): ReLU()
    (1): Linear(32, 32)
    (2): ReLU()
    (3): Linear(32, 2)
  )
)

Total Trainable Parameters: 12,345