看起来您可以使用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
这也是打印模型摘要的自定义函数的示例: https : //github.com/NVlabs/stylegan/blob/f3a044621e2ab802d40940c16cc86042ae87e100/dnnlib/tflib/network.py#L507
如果您已经.pb
tensorflow模型,你可以使用: inspect_pb.py打印模式信息或使用tensorflow summarize_graph与工具--print_structure
标志,也真的很高兴,它可以检测输入和输出的名称。
0
我一直在与
model.summary()
合作,并且非常喜欢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。Tensorflow中有类似的功能吗?在Stackoverflow或Tensorflow API文档中找不到任何内容。