如何自动记录TensorFlow神经网络架构的全部定义参数？

你的问题核心是Keras的model.summary()无法输出正则化器、Dropout参数、初始化方式等细节，导致单纯依赖summary或常规权重保存无法完整复现模型。你考虑的exec执行代码字符串方案可行，但存在安全风险且可维护性差，以下是几个更优的原生方案：

1. 使用SavedModel格式完整保存与加载 #

TensorFlow的SavedModel格式是保存模型的推荐方式，它会完整存储模型的架构、权重、优化器状态、正则化器、Dropout率等所有配置细节，无需手动管理额外的代码或配置文件：

# 保存完整模型
cnn_model5.save('my_cnn_model')

# 加载模型（无需提前定义架构）
from tensorflow import keras
loaded_model = keras.models.load_model('my_cnn_model')

加载后的模型与原模型完全一致，包括所有正则化、Dropout等配置，直接可以用于训练或推理。

2. 提取并保存层的完整配置 #

如果需要查看或单独保存模型的详细架构配置，可以遍历模型的每一层，通过get_config()方法获取层的完整参数（包括正则化器、激活函数、初始化方式等）：

def export_model_details(model, output_path='model_details.txt'):
    with open(output_path, 'w') as f:
        for idx, layer in enumerate(model.layers):
            f.write(f"Layer {idx}: {layer.name} ({layer.__class__.__name__})\n")
            f.write(f"Full Config:\n{layer.get_config()}\n")
            f.write("-"*80 + "\n")

# 导出详细配置到文件
export_model_details(cnn_model5)

后续需要重建模型时，可以通过from_config()方法基于保存的配置重建每一层：

# 示例：从配置重建Dense层
from tensorflow.keras import layers
dense_config = {'class_name': 'Dense', 'config': {...}}  # 从保存的文件中读取的配置
new_dense_layer = layers.deserialize(dense_config)

3. 用JSON/YAML序列化模型架构 #

Keras支持将模型架构序列化为JSON或YAML格式，这些格式会包含所有层的完整配置（包括正则化器等summary未显示的细节），需单独保存权重文件：

# 保存架构为JSON
model_json = cnn_model5.to_json()
with open("model_architecture.json", "w") as json_file:
    json_file.write(model_json)
# 保存权重
cnn_model5.save_weights("model_weights.h5")

# 加载并重建模型
from tensorflow.keras.models import model_from_json
# 加载架构
json_file = open('model_architecture.json', 'r')
loaded_model_json = json_file.read()
json_file.close()
loaded_model = model_from_json(loaded_model_json)
# 加载权重
loaded_model.load_weights("model_weights.h5")

对比exec方案的优势 #

• 安全性：避免了执行动态代码的安全风险（如果代码字符串被恶意篡改）
• 可维护性：原生方案符合Keras的设计逻辑，无需手动维护代码字符串
• 可靠性：由TensorFlow官方维护，避免手动代码拼接可能出现的错误

内容的提问来源于stack exchange，提问作者user1245262