Question

在Keras，我们可以按如下方式定义网络。有没有办法在每一层后输出形状。例如，我想在定义inputs的行之后打印出inputs的形状，然后在定义conv1的行之后打印出conv1的形状等。< / p>

inputs = Input((1, img_rows, img_cols))
conv1 = Convolution2D(64, 3, 3, activation='relu', init='lecun_uniform', W_constraint=maxnorm(3), border_mode='same')(inputs)
conv1 = Convolution2D(64, 3, 3, activation='relu', init='lecun_uniform', W_constraint=maxnorm(3), border_mode='same')(conv1)
pool1 = MaxPooling2D(pool_size=(2, 2))(conv1)

conv2 = Convolution2D(128, 3, 3, activation='relu', init='lecun_uniform', W_constraint=maxnorm(3), border_mode='same')(pool1)
conv2 = Convolution2D(128, 3, 3, activation='relu', init='lecun_uniform', W_constraint=maxnorm(3), border_mode='same')(conv2)
pool2 = MaxPooling2D(pool_size=(2, 2))(conv2)

Answer 1

只需使用model.summary()即可获得精美的印刷效果。

Answer 2

如果图层有一个节点（即如果它不是共享图层），您可以通过以下方式获取其输入张量，输出张量，输入形状和输出形状：layer.input_shape

from keras.utils.layer_utils import layer_from_config

config = layer.get_config()
layer = layer_from_config(config)

来源：https://keras.io/layers/about-keras-layers/

这可能是最简单的方法：

model.layers[layer_of_interest_index].output_shape

Answer 3

要打印完整模型及其所有依赖项，您还可以在此处查看：https://keras.io/visualization/

我使用此命令将模型可视化保存为png：

from keras.utils.visualize_util import plot
plot(model, to_file='model.png')

如果您只想打印图层形状，可以执行以下操作：

layer = model.layers[-1]
print(layer.output._keras_shape)

打印:(无，1,224,224）#Nr。过滤器，渠道，x_dim，y_dim

打印出网络架构中每层的形状

3 个答案: