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])
12
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,如下所示:
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)]))
3 回答
模型和图层具有用于此目的的特殊方法:
此外,要获得每个图层尺寸和参数的简短摘要,您可能会发现以下方法很有用
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,如下所示:鉴于
K.count_params()
被定义为np.prod(int_shape(x))
,此解决方案非常类似于Anuj Gupta,除了使用set()
以及检索张量形状的方式 .