Keras model.summary() 对象到字符串

Posted 2023-02-23

【中文标题】Keras model.summary() 对象到字符串

【英文标题】：Keras model.summary() object to string

【发布时间】：2017-05-30 15:59:43

【问题描述】：

我想编写一个带有神经网络超参数和模型架构的 *.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，我碰巧得到“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

知道如何处理吗？

【问题讨论】：

如何获取dict格式的输出：***.com/a/68128858/10375049

【参考方案1】：

使用我的 Keras (2.0.6) 和 Python (3.5.0) 版本，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中：

_________________________________________________________________
Layer (type)                 Output Shape              Param #   
=================================================================
Total params: 0
Trainable params: 0
Non-trainable params: 0
_________________________________________________________________

【讨论】：

2.0.6 版新功能

作为附加注释：您还可以使用line_length 作为额外参数来调整输出行的长度。这很有用，因为有时图层名称太长，因此被剪切：model.summary(line_length=80, print_fn=lambda x: fh.write(x + '\n'))

【参考方案2】：

对我来说，这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)

【参考方案3】：

如果你想写入日志：

import logging
logger = logging.getLogger(__name__)

model.summary(print_fn=logger.info)

【参考方案4】：

我知道 OP 已经接受了 winni2k 的回答，但是由于问题标题实际上暗示将 model.summary() 的输出保存到 字符串，而不是文件，因此以下代码可能会帮助其他人到这个页面寻找那个（就像我做的那样）。

下面的代码是使用 TensorFlow 1.12.0 运行的，TensorFlow 1.12.0 在 Python 3.6.2 上使用 Keras 2.1.6-tf。

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)

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
_________________________________________________________________

【参考方案5】：

我也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())

这是你上面的情况。

否则使用 keras_diagram 中的 ascii 方法

from keras_diagram import ascii
summary = ascii(model)

【参考方案6】：

这不是最好的方法，但你可以做的一件事是重定向标准输出：

orig_stdout = sys.stdout
f = open('out.txt', 'w')
sys.stdout = f
print(model.summary())
sys.stdout = orig_stdout
f.close()

见"How to redirect 'print' output to a file using python?"

【参考方案7】：

虽然不是 model.summary 的完全替代品，但一个选项是使用 model.get_config() 导出模型的配置。来自the docs：

model.get_config()：返回一个包含模型配置的字典。可以通过以下方式从其配置中重新实例化模型：

config = model.get_config()
model = Model.from_config(config)
# or, for Sequential:
model = Sequential.from_config(config)

【参考方案8】：

我遇到了同样的问题。 @Pasa 的回答非常有用，但我想我会发布一个更简单的示例：这是一个合理的假设，即您此时已经拥有 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：如果您有 matplotlib 绘图。然后你可以使用：

plt.text(0, 0.25, model_summary)

要将模型摘要写入性能图表，以供快速参考：

【参考方案9】：

当我来到这里寻找一种方法来记录摘要时，我想与@ajb 回答分享这个小转折，以避免使用@ 在日志文件的每一行中出现INFO:范德斯回答：

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)

生成一个日志文件：