Deep learning 如何找到keras模型的参数数量？

对于前馈网络（FFN），很容易计算参数的数量。给定CNN、LSTM等，是否有快速方法找到keras模型中的参数数量？

模型和层有专门的方法：

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])

model.count_params()

此外，要获得每个图层标注和参数的简短摘要，您可能会发现以下方法很有用

model.summary()

---

追溯

print\u summary（）

函数，Keras开发人员计算给定

模型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)]))

鉴于
K.count\u params（）
定义为
np.prod（int\u shape（x））
，此解决方案与Anuj Gupta的解决方案非常相似，除了使用
set（）
和检索张量形状的方式。
创建网络后添加：model.summary

它会给你一个你的网络和参数数量的摘要