有没有一种简单的方法可以在Tensorflow中获得类似Keras model.summary的内容？

我一直与Keras合作，非常喜欢

model.summary（）

它很好地概述了不同层的大小，特别是概述了模型的参数数量

---

Tensorflow中有类似的函数吗？我在Stackoverflow或Tensorflow API文档中找不到任何内容。

您可以将keras与Tensorflow后端一起使用，以获得keras或Tensorflow的最佳功能。

我还没有看到Tensorflow的类似model.summary（）的内容。。。然而，我认为你不需要它。有一个张力板，你可以很容易地检查NN的架构

看起来您可以使用

例如：

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

这里还有一个打印模型摘要的自定义函数示例：

---

如果您已经有

.pb

tensorflow模型，您可以使用：打印模型信息或使用带有

--print_structure

标志的tensorflow工具，它还可以检测输入和输出名称，这很好。

了解，但是，我在tensorflow中有现有模型（例如，由其他人编程）我想更好地理解这一点，因此，我正在寻找一种从Tensorflow获得更多输出的方法。了解Tensorflow培训的最佳方法是向代码中添加摘要并使用tensorboard。是否有一种快速的方法将Tensorflow模型或图形转换为keras模型，然后我们可以只做model.summary（）。真的错过了这种快速的文本方式（理解有张量板）。你可以从keras到tf，但不能反过来，因为tf图的级别比keras图低。这应该是一个注释，因为它没有提供问题解决方案的答案（“只是不要使用X，而是Y”更适合作为建议）.如何使用tensorboard了解每层的形状和参数数？这并不能回答OP问题。@BiBi是的！请参阅问题

类似于Keras model.summary的内容。出于某种原因，这只会给我变量大小和信息。@Blade哪一个？model_summary（）函数。这也适用于TensorFlow Lite模型！（似乎只有当它们是使用TensorFlow构建的）那么层输出呢？