我想用神经网络超参数和模型架构编写一个* .txt文件。是否可以将对象model.summary()写入我的输出文件?
(...)
summary = str(model.summary())
(...)
out = open(filename + 'report.txt','w')
out.write(summary)
out.close
正如您在下面看到的那样,我正在获得“无”。
Hyperparameters
=========================
learning_rate: 0.01
momentum: 0.8
decay: 0.0
batch size: 128
no. epochs: 3
dropout: 0.5
-------------------------
None
val_acc: 0.232323229313
val_loss: 3.88496732712
train_acc: 0.0965207634216
train_loss: 4.07161939425
train/val loss ratio: 1.04804469418
知道怎么处理吗?
答案 0 :(得分:27)
使用我的Keras版本(2.0.6
)和Python(3.5.0
),这对我有用:
# Create an empty model
from keras.models import Sequential
model = Sequential()
# Open the file
with open(filename + 'report.txt','w') as fh:
# Pass the file handle in as a lambda function to make it callable
model.summary(print_fn=lambda x: fh.write(x + '\n'))
这会将以下行输出到文件:
_________________________________________________________________
Layer (type) Output Shape Param #
=================================================================
Total params: 0
Trainable params: 0
Non-trainable params: 0
_________________________________________________________________
答案 1 :(得分:8)
如果你想写日志:
import logging
logger = logging.getLogger(__name__)
model.summary(print_fn=logger.info)
答案 2 :(得分:7)
这不是最好的方法,但你可以做的一件事是重定向stdout:
orig_stdout = sys.stdout
f = open('out.txt', 'w')
sys.stdout = f
print(model.summary())
sys.stdout = orig_stdout
f.close()
答案 3 :(得分:5)
虽然不是model.summary的确切替代品,但是一个选项是使用model.get_config()
导出模型的配置。来自the docs:
model.get_config()
:返回包含模型配置的字典。该模型可以通过以下命令从其配置中重新实现:config = model.get_config() model = Model.from_config(config) # or, for Sequential: model = Sequential.from_config(config)
答案 4 :(得分:5)
对我来说,这样做只是将模型摘要作为字符串获取:
stringlist = []
model.summary(print_fn=lambda x: stringlist.append(x))
short_model_summary = "\n".join(stringlist)
print(short_model_summary)
答案 5 :(得分:4)
我偶然发现了同样的问题! 有两种可能的解决方法:
使用模型的to_json()
方法
summary = str(model.to_json())
这是你的情况。
否则使用keras_diagram中的ascii方法
from keras_diagram import ascii
summary = ascii(model)
答案 6 :(得分:1)
我了解OP已接受winni2k的答案,但是由于问题标题实际上意味着将model.summary()
的输出保存到 string 而不是文件中,因此以下代码可能会对其他人有所帮助谁来此页面寻找(像我一样)。
以下代码是使用TensorFlow 1.12.0
运行的,它与Python 2.1.6-tf
上的Keras 3.6.2
一起提供。
from tensorflow.keras.models import Sequential
from tensorflow.keras.layers import Dense, Activation
import io
# Example model
model = Sequential([
Dense(32, input_shape=(784,)),
Activation('relu'),
Dense(10),
Activation('softmax'),
])
def get_model_summary(model):
stream = io.StringIO()
model.summary(print_fn=lambda x: stream.write(x + '\n'))
summary_string = stream.getvalue()
stream.close()
return summary_string
model_summary_string = get_model_summary(model)
print(model_summary_string)
哪个产生(作为字符串):
_________________________________________________________________
Layer (type) Output Shape Param #
=================================================================
dense (Dense) (None, 32) 25120
_________________________________________________________________
activation (Activation) (None, 32) 0
_________________________________________________________________
dense_1 (Dense) (None, 10) 330
_________________________________________________________________
activation_1 (Activation) (None, 10) 0
=================================================================
Total params: 25,450
Trainable params: 25,450
Non-trainable params: 0
_________________________________________________________________
答案 7 :(得分:1)
我有同样的问题。 @Pasa的答案非常有用,但我想我会举一个更简单的例子:这是合理的假设,此时您已经有了Keras模型。
import io
s = io.StringIO()
model.summary(print_fn=lambda x: s.write(x + '\n'))
model_summary = s.getvalue()
s.close()
print("The model summary is:\n\n{}".format(model_summary))
使用此字符串的示例很有用:如果您有 matplotlib 图。然后,您可以使用:
plt.text(0, 0.25, model_summary)
答案 8 :(得分:0)
当我来到这里寻找一种记录摘要的方法时,我想与@ajb 的答案分享这个小小的转折,以避免日志文件中每一行的 INFO:
使用@FAnders 回答:
def get_model_summary(model: tf.keras.Model) -> str:
string_list = []
model.summary(line_length=80, print_fn=lambda x: string_list.append(x))
return "\n".join(string_list)
# some code
logging.info(get_model_summary(model)