如何查看keras.engine.sequential.sequential

如何查看keras.engine.sequential.sequential,keras,deep-learning,keras-layer,Keras,Deep Learning,Keras Layer,我是Keras和deep learning的新手,曾与MNIST合作研究Keras。当我使用 model = models.Sequential() model.add(layers.Dense(512,activation = 'relu',input_shape=(28*28,))) model.add(layers.Dense(32,activation ='relu')) model.add(layers.Dense(10,activation='softmax')) 然后我把它打印出

我是Keras和deep learning的新手,曾与MNIST合作研究Keras。当我使用

model = models.Sequential()
model.add(layers.Dense(512,activation = 'relu',input_shape=(28*28,)))
model.add(layers.Dense(32,activation ='relu'))
model.add(layers.Dense(10,activation='softmax'))
然后我把它打印出来

print(model)
输出为

<keras.engine.sequential.Sequential at 0x7f3d554f6710>

我的问题是,有没有办法看到Keras更好的结果,这意味着如果我打印
模型
,我可以看到我有3个隐藏层,第一个隐藏层有512个隐藏单元和784个输入单元,第二个隐藏层有512个输入单元和32个隐藏单元,依此类推。

model.summary()将为您打印整个模型

model = Sequential()
model.add(Dense(512,activation = 'relu',input_shape=(28*28,)))
model.add(Dense(32,activation ='relu'))
model.add(Dense(10,activation='softmax'))
model.summary()

Model: "sequential_1"
_________________________________________________________________
Layer (type)                 Output Shape              Param #   
=================================================================
dense (Dense)                (None, 512)               401920    
_________________________________________________________________
dense_1 (Dense)              (None, 32)                16416     
_________________________________________________________________
dense_2 (Dense)              (None, 10)                330       
=================================================================
Total params: 418,666
Trainable params: 418,666
Non-trainable params: 0
____________________________


为什么
输出形状
具有第一个参数None?
Param#
是否显示模型的权重?Param是权重的数量。对于第一层,权重=28 X 28 X 512+512=40120。最后一项是512个偏差权重。无表示输入将作为批次提供。感谢澄清。