Dataframe 数据帧的神经网络综述

我们可以通过以下方式访问神经网络的摘要：

model.summary()

但是我们有没有办法把这个结果转换成一个

数据帧

，这样我们就可以比较不同模型的特性了

---

是的，您可以使用

print\fn

参数将输出保存为字符串，然后将其解析为数据帧：

from tensorflow.keras.models import Sequential
from tensorflow.keras.layers import Dense
import re
import pandas as pd

model = Sequential()
model.add(Dense(2, input_dim=1, activation='relu'))
model.add(Dense(1, activation='sigmoid'))

stringlist = []
model.summary(print_fn=lambda x: stringlist.append(x))
summ_string = "\n".join(stringlist)
print(summ_string) # entire summary in a variable

table = stringlist[1:-4][1::2] # take every other element and remove appendix

new_table = []
for entry in table:
    entry = re.split(r'\s{2,}', entry)[:-1] # remove whitespace
    new_table.append(entry)

df = pd.DataFrame(new_table[1:], columns=new_table[0])
print(df.head())

输出：

      Layer (type) Output Shape Param #
0    dense (Dense)    (None, 2)       4
1  dense_1 (Dense)    (None, 1)       3

---

我采用了@runDOSrun的答案，并对其进行了一些调整，使其更加全面，因为在您有多个连接的情况下，它无法正常工作

将熊猫作为pd导入
进口稀土
从tensorflow.keras.applications.inception\u resnet\u v2导入接收resnetv2
def清洁（x）：
返回x.replace（'[0][0]'，''）.replace（'（'，''）.replace（'），''）.replace（'['，''）.replace（']'，''）
def magic（x）：
tmp=re.split（r'\s{1，}'，clean（x））
返回tmp
输入_形=（540960,3）
模型=接收resnetv2（输入形状）
宽度=250
stringlist=[]
model.summary（宽度，print\u fn=lambda x:stringlist.append（x））
summ_string=“”.join（字符串列表）
splitstr1=f“={{{{width}}}”
splitstr2=f“{{{{{width}}”
tmptable=re.split（splitstr1，总和字符串）
header=re.split（splitstr2，tmptable[0]）
header=re.split（r'\s{2，}'，header[1]）[：-1]
表=重新拆分（拆分str2，tmptable[1]）
df=pd.DataFrame（列=标题）
对于索引，枚举（表）中的条目：
entry=re.split（r'\s{2，}'，entry）[：-1]
df.loc[index]={header[0]：条目[0]，
标题[1]：元组（[int（e）表示clean中的e（条目[1]）。拆分（'，'）[1:]），
标题[2]：int（条目[2]），
标题[3]：[clean（e）for e in entry[3:]]
df['layername'，df['type']=zip（*df['Layer（type）'）。地图（魔法））
df['kernels']=[e[-1:[0]表示df['Output Shape']]

提供以下示例输出：

---

这是一个非常棒的片段！谢谢你的帮助！