如何找到keras模型的参数数量？

Question

对于前馈网络 (FFN)，很容易计算参数的数量。给定一个 CNN、LSTM 等，有没有一种快速的方法可以找到 keras 模型中的参数数量？

Answer 1

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])

Answer 2

模型和层具有用于该目的的特殊方法：

model.count_params()

此外，要获得每一层维度和参数的简短摘要，您可能会发现以下方法很有用

model.summary()

Answer 3

追溯 print_summary() 函数，Keras 开发人员计算给定 model 的可训练参数和 non_trainable 参数的数量如下：

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_params() 被定义为 np.prod(int_shape(x))，此解决方案与 Anuj Gupta 的解决方案非常相似，除了 set() 的使用和形状的方式检索张量。

Answer 4

创建网络后添加：model.summary
并且它会给你一个关于你的网络和参数数量的总结。

如何找到keras模型的参数数量？

How to find Number of parameters of a keras model?

deep-learning

keras