deep-learning - 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来查找 keras 模型中的参数数量？

Answer 1

模型和层为此目的有特殊的方法：

model.count_params()

此外，要获得每个图层尺寸和参数的简短摘要，您可能会发现以下方法很有用

model.summary()

Answer 2

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 3

追溯print_summary()函数，Keras 开发人员计算给定的可训练和不可训练参数的数量model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()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，除了使用set()和检索张量形状的方式。

Answer 4

创建网络后添加： model.summary
它将为您提供网络摘要和参数数量。