例如，如果我加载别人的模型，这就是我看到的：
我想得到这个的代码表示，例如：
model = Sequential()
model.add(Conv2D(32, kernel_size=(3, 3),
activation='relu',
input_shape=input_shape))
model.add(Conv2D(64, (3, 3), activation='relu'))
... etc
不是说上面是正确的，但我想知道是否有办法让我在代码中物理重建模型，包括所有激活函数？
我想我可以阅读摘要，但我不知道我是否能够从中确定激活。
如何做到这一点？
【问题讨论】：
标签： tensorflow keras neural-network
如果您保存了具有完整架构及其训练状态的模型。即你用过这样的东西。
model.save('myfirstmodel.h5')
你可以使用
pprint(model.to_json())
pprint(model.to_yaml())
json 的输出：
('{"class_name": "Sequential", "config": {"name": "sequential", "layers": '
'[{"class_name": "InputLayer", "config": {"batch_input_shape": [null, 13], '
'"dtype": "float32", "sparse": false, "ragged": false, "name": "d1_input"}}, '
'{"class_name": "Dense", "config": {"name": "d1", "trainable": true, '
'"batch_input_shape": [null, 13], "dtype": "float32", "units": 4, '
'"activation": "relu", "use_bias": true, "kernel_initializer": {"class_name": '
'"Ones", "config": {}}, "bias_initializer": {"class_name": "Zeros", "config": '
'{}}, "kernel_regularizer": null, "bias_regularizer": null, '
'"activity_regularizer": null, "kernel_constraint": null, "bias_constraint": '
'null}}, {"class_name": "Dense", "config": {"name": "d2", "trainable": true, '
'"dtype": "float32", "units": 6, "activation": "relu", "use_bias": true, '
'"kernel_initializer": {"class_name": "GlorotUniform", "config": {"seed": '
'null}}, "bias_initializer": {"class_name": "Zeros", "config": {}}, '
'"kernel_regularizer": null, "bias_regularizer": null, '
'"activity_regularizer": null, "kernel_constraint": null, "bias_constraint": '
'null}}, {"class_name": "Dropout", "config": {"name": "dropout", "trainable": '
'true, "dtype": "float32", "rate": 0.2, "noise_shape": null, "seed": null}}, '
'{"class_name": "Dense", "config": {"name": "out", "trainable": true, '
'"dtype": "float32", "units": 2, "activation": "sigmoid", "use_bias": true, '
'"kernel_initializer": {"class_name": "GlorotUniform", "config": {"seed": '
'null}}, "bias_initializer": {"class_name": "Zeros", "config": {}}, '
'"kernel_regularizer": null, "bias_regularizer": null, '
'"activity_regularizer": null, "kernel_constraint": null, "bias_constraint": '
'null}}]}, "keras_version": "2.4.0", "backend": "tensorflow"}')
但是，如果您有一个冻结模型，其中您的正常方法不起作用，您可以使用 netron 查看模型的结构。 它显示了分层架构以及使用了哪些激活函数、参数及其权重。您可以将这些权重下载为 NumPy 数组。
您可以使用 Netron 来查找模型的架构以及权重。使用这些结构信息，您可以重建模型。
见Link。
【讨论】：
您可以使用model.get_config() 获取重新实例化相同模型所需的所有信息的dict（至少在理论上，因为这取决于模型中的每一层都具有正确的get_config 方法本身，历史上并非总是如此）。
如果您导入的模型表现良好，那么您甚至可以通过这样做来创建克隆模型
new_model = tf.keras.Model.from_config(model.get_config())
这并不总是有效，所以一般来说，您可以从model.get_config() 开始检查模型的详细信息。
【讨论】：
答案是否。 tf 或 Keras 无法从模型文件或 YAML 或 JSON 中获取代码表示。但是，是的，您可以编写一段代码来完成这项工作。这应该很容易。如果你像下面这样保存你的模型：
model.to_yaml()
它会保存您的模型配置以及激活函数。您需要做的就是一层一层地遍历层并添加层的代码表示。但是损失函数对你来说可能是个问题。
顺便说一句，如果你想重新训练保存的模型，你不需要代码结构。你所能做的就是加载和训练。只是不要冻结任何层。它将重新训练和更新所有路径权重。
【讨论】：