如何找到keras模型的参数数量？答案

【问题标题】：How to find Number of parameters of a keras model?如何找到keras模型的参数数量？
【发布时间】：2016-06-17 23:10:26
【问题描述】：

对于前馈网络 (FFN)，很容易计算参数的数量。给定一个 CNN、LSTM 等，有没有一种快速的方法来查找 keras 模型中的参数数量？

【问题讨论】：

标签： deep-learning keras

【解决方案1】：

模型和层为此目的有特殊的方法：

model.count_params()

此外，要获得每个层尺寸和参数的简短摘要，您可能会发现以下方法很有用

model.summary()

【讨论】：

【解决方案2】：

import keras.backend as K

def size(model): # Compute number of params in a model (the actual number of floats)
    return sum([np.prod(K.get_value(w).shape) for w in model.trainable_weights])

【讨论】：

【解决方案3】：

追溯print_summary() 函数，Keras 开发人员计算给定model 的可训练和不可训练参数的数量如下：

import keras.backend as K
import numpy as np

trainable_count = int(np.sum([K.count_params(p) for p in set(model.trainable_weights)]))

non_trainable_count = int(np.sum([K.count_params(p) for p in set(model.non_trainable_weights)]))

鉴于K.count_params()被定义为np.prod(int_shape(x))，这个解决方案与Anuj Gupta的解决方案非常相似，除了set()的使用和张量形状的检索方式。

【讨论】：

【解决方案4】：

创建网络后添加：model.summary
它会给你一个关于你的网络和参数数量的摘要。

【讨论】：