Объект Keras model.summary() для строки

Я хочу написать файл *.txt с гиперпараметрами нейронной сети и архитектурой модели. Можно ли записать объектную модель .summary() в мой выходной файл?

(...)
summary = str(model.summary())
(...)
out = open(filename + 'report.txt','w')
out.write(summary)
out.close

Случается, что я получаю "None", как вы можете видеть ниже.

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

Есть идеи, как с этим бороться?

Ответ 1

С моей версией Keras (2.0.6) и Python (3.5.0) это работает для меня:

# 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'))

Это выводит следующие строки в файл:

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

Ответ 2

И если вы хотите записать в журнал:

import logging
logger = logging.getLogger(__name__)

model.summary(print_fn=logger.info)

Ответ 4

Один из вариантов, хотя и не является точной заменой model.summary, - экспортировать конфигурацию модели с помощью model.get_config(). Из документов:

model.get_config(): возвращает словарь, содержащий конфигурацию модели. Модель можно восстановить из конфигурации через:

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

Ответ 5

Для меня это сработало, чтобы просто получить сводку модели в виде строки:

stringlist = []
model.summary(print_fn=lambda x: stringlist.append(x))
short_model_summary = "\n".join(stringlist)
print(short_model_summary)

Ответ 6

Я тоже наткнулся на ту же проблему! Возможны два способа обхода:

Использовать метод to_json() модели

summary = str(model.to_json()) 

Это ваш случай выше.

В противном случае используйте метод ascii из keras_diagram

from keras_diagram import ascii
summary = ascii(model)

Ответ 7

Я понимаю, что OP уже принял ответ winni2k, но поскольку заголовок вопроса фактически подразумевает сохранение выходных данных model.summary() в строку, а не в файл, следующий код может помочь другим, которые приходят на эту страницу в поисках этого (например, Я сделал).

Приведенный ниже код был запущен с использованием 1.12.0, который поставляется с Keras 2.1.6-tf на Python 3.6.2.

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)

Что дает (в виде строки):

_________________________________________________________________
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
_________________________________________________________________