pytorch的API风格和tensorflow有很大不同，因此原生没有提供像model.summary这样的打印模型结构的功能。在pytorch中，打印模型结构大概有四种方式：print、torchinfo、torchsummary、torchsummaryx
直接通过print打印模型对象，按顺序打印了在__init__中定义的所有层，但是没有按模型的执行顺序打印，复用的模块也只会打印一次。
torchinfo
最近更新时间为2023-05-15
当仅传入model参数时，比print方式打印出了训练的参数量，但是也是按模型组件的定义顺序打印，复用的模块只会打印一次。
当传入input_size等参数，打印就会按照实际的执行顺序了，并且给出了估算的参数数量和内存占用，速度是最慢的一个。
torchsummary
最近更新时间为2018-09-26
torchsummary打印模型参数时，模型的输入形状是必传的，因此打印是按照实际的执行顺序打印，也给出了估算的参数数量和内存占用（但是只能传单条数据的shape,无法估计整个batch的内存占用），速度比torchinfo带Input_size快很多，但没有不带的快。
torchsummaryX
最近更新时间为2019-07-07
似乎使用了旧版的pandas，已经不兼容最新版本的pandas了
总结
通过测试发现，简单的打印可以使用torchsummary，要想内存估计比较真实，并且对时间不敏感可以使用torchinfo，但一定要传入input_size参数。不传参数和原生的print因为打印出的和实际模型执行顺序不同，基本没有意义。
