理解Tensorflow中的model.summary并建立模型可视化

Question

我试着做一个像这样的模型可视化：

​

这张照片是从http://alexlenail.me/NN-SVG/LeNet.html拍摄的

这是我的代码：

def create_classical_model():
    # A simple model based off LeNet from https://keras.io/examples/mnist_cnn/
    model = tf.keras.Sequential()
    model.add(tf.keras.layers.Conv2D(32, [3, 3], activation='relu', input_shape=(28,28,1)))
    model.add(tf.keras.layers.Conv2D(64, [3, 3], activation='relu'))
    model.add(tf.keras.layers.MaxPooling2D(pool_size=(2, 2)))
    model.add(tf.keras.layers.Dropout(0.25))
    model.add(tf.keras.layers.Flatten())
    model.add(tf.keras.layers.Dense(128, activation='relu'))
    model.add(tf.keras.layers.Dropout(0.5))
    model.add(tf.keras.layers.Dense(1))
    return model


model = create_classical_model()
model.compile(loss=tf.keras.losses.BinaryCrossentropy(from_logits=True),
              optimizer=tf.keras.optimizers.Adam(),
              metrics=['accuracy'])

model.summary()

输出

Model: "sequential_3"
_________________________________________________________________
Layer (type)                 Output Shape              Param #   
=================================================================
conv2d_4 (Conv2D)            (None, 26, 26, 32)        320       
_________________________________________________________________
conv2d_5 (Conv2D)            (None, 24, 24, 64)        18496     
_________________________________________________________________
max_pooling2d_2 (MaxPooling2 (None, 12, 12, 64)        0         
_________________________________________________________________
dropout_4 (Dropout)          (None, 12, 12, 64)        0         
_________________________________________________________________
flatten_3 (Flatten)          (None, 9216)              0         
_________________________________________________________________
dense_6 (Dense)              (None, 128)               1179776   
_________________________________________________________________
dropout_5 (Dropout)          (None, 128)               0         
_________________________________________________________________
dense_7 (Dense)              (None, 1)                 129       
=================================================================
Total params: 1,198,721
Trainable params: 1,198,721
Non-trainable params: 0
_________________________________________________________________

谁能帮我找到每一层的深度、高度、宽度、过滤高度、过滤宽度以及何时使用向量长度？

Answer 1

我以前也用过这个工具来可视化模型。

我对问题中给定的模型进行了可视化。

• 深度是输入层的通道数，也是卷积层中的滤波器数。
• 高度和宽度是矩阵
• 滤波器的高度和宽度:平坦和密集层的卷积滤波器
• 的高度和宽度:只需增加感知器的数目。

注:对于密集的图层和大量的感知器，如你的案例9216，可视化将消失在网站上。解决这一问题的方法是，首先使用一个较低的数字，比如256，而不是9216，然后下载svg文件，然后在记事本中打开它，找到256，然后用9216替换它。然后可以在浏览器上打开svg文件，以查看正确的体系结构。

参数：

​

​

结果：

​

​