有没有一种简单的方法可以在 Tensorflow 中获得类似 Keras model.summary 的东西？答案

【问题标题】：Is there an easy way to get something like Keras model.summary in Tensorflow?有没有一种简单的方法可以在 Tensorflow 中获得类似 Keras model.summary 的东西？
【发布时间】：2017-10-04 08:27:54
【问题描述】：

我一直在使用 Keras，非常喜欢 model.summary() 它很好地概述了不同层的大小，尤其是模型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 文档上一无所获。

【问题讨论】：

标签： tensorflow keras

【解决方案1】：

看来你可以使用Slim

例子：

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

这里还有一个打印模型摘要的自定义函数示例： https://github.com/NVlabs/stylegan/blob/f3a044621e2ab802d40940c16cc86042ae87e100/dnnlib/tflib/network.py#L507

如果您已经有.pb tensorflow 模型，您可以使用：inspect_pb.py 打印模型信息或使用带有--print_structure 标志的tensorflow summarize_graph 工具，它还可以检测输入和输出名称。

【讨论】：

出于某种原因，这只给了我可变的大小和信息。
@Blade 哪一个？
model_summary() 函数。
这也适用于 TensorFlow Lite 模型！（似乎只有当它们是使用 TensorFlow 构建时）
Slim 在 Tensorflow 中不再可用

【解决方案2】：

我还没有看到类似 model.summary() 的 tensorflow 的东西......但是，我认为你不需要它。有一个 TensorBoard，您可以在其中轻松检查 NN 的架构。

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

【讨论】：

张量板如何知道每一层的形状和参数个数？
这不能回答 OP 问题。
@BiBi 是！见问题something like Keras model.summary

【解决方案3】：

您可以将 keras 与 tensorflow 后端一起使用，以获得 keras 或 tensorflow 的最佳功能。

【讨论】：

了解，但是，我在 Tensorflow 中有现有模型（例如由其他人编程），我想更好地理解这些模型，因此，我正在寻找一种从 Tensorflow 获得更多输出的方法。跨度>
查看 tensorflow 训练的最佳方法是在代码中添加摘要并使用 tensorboard。
有没有一种快速的方法可以将 tensorflow 模型或图形转换为 keras 模型，然后我们可以只做 model.summary()。真的很怀念这种快速的文字方式，（理解有张量板。）
您可以从 keras 转到 tf，但不能反过来，因为 tf 图比 keras 图低。
这应该是一条评论，因为它没有提供解决问题的答案（“只是不要使用 X，而是使用 Y”而是有资格作为建议）。