活动地址:CSDN21天学习挑战赛
学完手写识别和服装分类,想稍微停下来消化一下新学的东西,也总结一下,今天就从keras的 model.summary()
输出开始吧!
1、model.summary()是什么
构建深度学习模型,我们会通过 model.summary()
输出模型各层的参数状况,已我们刚刚学过的模型为例:
这里可以看出,
model.summary()
打印出的内容,是和我们构建模型的层级关系是一样,服装分类模型为例:
model = models.Sequential([
layers.Conv2D(32, (3, 3), activation='relu', input_shape=(28, 28, 1)),
layers.MaxPooling2D((2, 2)),
layers.Conv2D(64, (3, 3), activation='relu'),
layers.MaxPooling2D((2, 2)),
layers.Conv2D(64, (3, 3), activation='relu'),
layers.Flatten(),
layers.Dense(64, activation='relu'),
layers.Dense(10)
])
2、model.summary()输出含义
仍以服装分类模型为例:
Model: "sequential_2"
_________________________________________________________________
Layer (type) Output Shape Param
=================================================================
conv2d_6 (Conv2D) (None, 26, 26, 32) 320
_________________________________________________________________
max_pooling2d_4 (MaxPooling2 (None, 13, 13, 32) 0
_________________________________________________________________
conv2d_7 (Conv2D) (None, 11, 11, 64) 18496
_________________________________________________________________
max_pooling2d_5 (MaxPooling2 (None, 5, 5, 64) 0
_________________________________________________________________
conv2d_8 (Conv2D) (None, 3, 3, 64) 36928
_________________________________________________________________
flatten_2 (Flatten) (None, 576) 0
_________________________________________________________________
dense_4 (Dense) (None, 64) 36928
_________________________________________________________________
dense_5 (Dense) (None, 10) 650
=================================================================
Total params: 93,322
Trainable params: 93,322
Non-trainable params: 0
_________________________________________________________________
- Param:该层输入 参数个数, 那这个数字是怎么来的呢?
a、 卷积层参数个数的计算公式:(卷积核长度*卷积核宽度*通道数+1)*卷积核个数
例:
第一个卷积层:(3*3*1+1)*32 = 320
第二个卷积层:(3*3*32+1)*64 = 18496
第三个卷积层:(3*3*64+1)*64 = 36928
b、 全连接层参数个数的计算公式:(输入数据维度+1)* 神经元个数
例:
输出层之前的全连接层:(64+1)*10=650
这里之所以 要加1,因为每个神经元都有一个偏置(Bias)
。 - Output Shape :该层输出数据形状
- Total params: 模型参数总数,
每层参数累加
- Trainable params: 模型可训练参数
- Non-trainable params:模型不可训练参数
3、理解模型流程形状
通过model.summary(),我们再看这个图,就清楚多了
Original: https://blog.csdn.net/m0_48300767/article/details/126125355
Author: 不负卿@
Title: 【深度学习21天学习挑战赛】备忘篇:我们的神经网模型到底长啥样?——model.summary()详解
原创文章受到原创版权保护。转载请注明出处:https://www.johngo689.com/717381/
转载文章受原作者版权保护。转载请注明原作者出处!