Я работал с Keras и очень понравился model.summary() Он дает хороший обзор размера разных слоев и особенно обзор количества параметров, которые имеет модель.
Есть ли аналогичная функция в Tensorflow? Я ничего не мог найти в документации Stackoverflow или Tensorflow API.
Я не видел ничего подобного model.summary() для тензорного потока... Однако, я не думаю, что вам это нужно. Существует TensorBoard, где вы можете легко проверить архитектуру NN.
Похоже, вы можете использовать Slim
Пример:
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()
Выход:
---------
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
Также вот пример пользовательской функции для печати резюме модели: https://github.com/NVlabs/stylegan/blob/f3a044621e2ab802d40940c16cc86042ae87e100/dnnlib/tflib/network.py#L507
Если у вас уже есть .pb tensorflow модели вы можете использовать: inspect_pb.py печатать модели данные или использовать tensorflow summarize_graph инструмент с --print_structure флагом.
Вы можете использовать keras с бэкэндоном tensorflow, чтобы получить наилучшие функции как keras, так и тензорного потока.
Керас имеет print_summary(). Этот метод фактически является внутренним вызовом сводки модели TensorFlow. Как определено в .../tensorflow/python/keras/engine/network.py.
