是否有一种简单的方法可以在Tensorflow中获得类似Keras model.summary的内容？

Question

我一直在与Keras合作并且非常喜欢model.summary() 它.它很好地概述了不同层的大小,特别是模型所具有的参数数量的概述.

Tensorflow中是否有类似的功能？我在Stackoverflow或Tensorflow API文档上找不到任何内容.

Answer 1

看起来你可以使用Slim

例:

import numpy as np

from tensorflow.python.layers import base
import tensorflow as tf
import tensorflow.contrib.slim as slim

x = np.zeros((1,4,4,3))
x_tf = tf.convert_to_tensor(x, np.float32)
z_tf = tf.layers.conv2d(x_tf, filters=32, kernel_size=(3,3))

def model_summary():
    model_vars = tf.trainable_variables()
    slim.model_analyzer.analyze_vars(model_vars, print_info=True)

model_summary()

输出:

---------
Variables: name (type shape) [size]
---------
conv2d/kernel:0 (float32_ref 3x3x3x32) [864, bytes: 3456]
conv2d/bias:0 (float32_ref 32) [32, bytes: 128]
Total size of variables: 896
Total bytes of variables: 3584

Answer 2

我还没有看到像 model.summary() 这样的张量流......但是，我认为你不需要它。有一个 TensorBoard，您可以在其中轻松检查神经网络的架构。

https://www.tensorflow.org/tensorboard

https://www.tensorflow.org/get_started/graph_viz