调用model.summary()显示总参数为0，Keras文本生成LSTM模型求助

参数显示为0的原因 #

Keras 3.x（你使用的3.3.3版本）采用延迟构建机制——模型在未接收实际输入数据、未完成权重初始化前，不会真正创建参数张量，因此model.summary()会显示所有层参数为0。

潜在的LSTM层堆叠错误 #

你的代码中第一个LSTM层默认return_sequences=False，输出是2D张量(batch_size, 150)，但第二个LSTM层要求输入为3D张量(batch_size, timesteps, features)，直接堆叠会导致运行时错误，需提前修复。

修复后的代码示例 #

方法1：手动触发模型构建

from tensorflow.keras.models import Sequential
from tensorflow.keras.layers import Embedding, LSTM, Dense

model = Sequential()
model.add(Embedding(283, 100, input_length=56))
# 第一个LSTM层添加return_sequences=True，返回完整序列供下一层处理
model.add(LSTM(150, return_sequences=True))
model.add(LSTM(150))
model.add(Dense(283, activation='softmax'))

# 手动指定输入形状，触发权重初始化
model.build(input_shape=(None, 56))

model.compile(loss='categorical_crossentropy', optimizer='adam', metrics=['accuracy'])

model.summary()

方法2：喂入测试输入触发构建

from tensorflow.keras.models import Sequential
from tensorflow.keras.layers import Embedding, LSTM, Dense
import numpy as np

model = Sequential()
model.add(Embedding(283, 100, input_length=56))
model.add(LSTM(150, return_sequences=True))
model.add(LSTM(150))
model.add(Dense(283, activation='softmax'))

# 生成符合输入形状的测试数据，触发模型初始化
test_input = np.random.randint(0, 283, (1, 56))
model(test_input)

model.compile(loss='categorical_crossentropy', optimizer='adam', metrics=['accuracy'])

model.summary()

参数计算验证 #

修复后各层参数数量符合预期：

• Embedding层：283 * 100 = 28300（词汇数×嵌入维度）
• 第一个LSTM层：(100 + 150 + 1) * 4 * 150 = 150600（(输入特征+隐藏单元+偏置)×4门控×隐藏单元数）
• 第二个LSTM层：(150 + 150 + 1) * 4 * 150 = 180600
• Dense层：150 * 283 + 283 = 42733（输入单元×输出单元+偏置）

内容的提问来源于stack exchange，提问作者firefistt_xdd