keras打印模型结构

关于Keras模型

Keras有两种类型的模型，序贯模型（Sequential）和函数式模型（Model），函数式模型应用更为广泛，序贯模型是函数式模型的一种特殊情况。

两类模型有一些方法是相同的：

model.summary()

：打印出模型概况，它实际调用的是keras.utils.print_summary

model.get_config()

:返回包含模型配置信息的Python字典。模型也可以从它的config信息中重构回去

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

model.get_layer()

：依据层名或下标获得层对象

model.get_weights()

：返回模型权重张量的列表，类型为numpy
array

model.set_weights()

：从numpy
array里将权重载入给模型，要求数组具有与

model.get_weights()

相同的形状。

model.to_json

：返回代表模型的JSON字符串，仅包含网络结构，不包含权值。可以从JSON字符串中重构原模型：

from models import model_from_json

json_string = model.to_json()
model = model_from_json(json_string)

model.to_yaml

：与

model.to_json

类似，同样可以从产生的YAML字符串中重构模型

from models import model_from_yaml

yaml_string = model.to_yaml()
model = model_from_yaml(yaml_string)

model.save_weights(filepath)

：将模型权重保存到指定路径，文件类型是HDF5（后缀是.h5）

model.load_weights(filepath,
by_name=False)

：从HDF5文件中加载权重到当前模型中, 默认情况下模型的结构将保持不变。如果想将权重载入不同的模型（有些层相同）中，则设置

by_name=True

，只有名字匹配的层才会载入权重