TensorFlow 2中model.summary()输出不详尽问题及模型定义疑问

你遇到的这个情况是TensorFlow和PyTorch在模型摘要显示上的设计差异，你的模型定义本身并没有问题，下面分两部分解答你的疑问：

一、你的模型定义是否有问题？ #

完全没问题！你用嵌套Sequential来封装隐藏层的写法是TensorFlow/Keras里的合法实践，这种方式能让代码更模块化，尤其适合构建包含多个重复结构的复杂模型。PyTorch默认展开显示嵌套模块，而TensorFlow默认将嵌套的子模型（比如你这里的hidden_layers Sequential块）折叠成一个整体显示，这只是框架默认行为的不同，不是你的代码错误。

二、如何让TensorFlow的summary输出更详尽？ #

从TensorFlow 2.4版本开始，Model.summary()方法新增了expand_nested参数，只要将这个参数设为True，就能展开所有嵌套的子模型/Sequential块，显示每一层的细节：

mdl = simpleMLP(28*28, [500, 300], 10)
mdl.summary(expand_nested=True)

执行这段代码后，你就能看到hidden_layers里的每一个Dense、Activation和Dropout层的详细信息，包括输出形状、参数数量等，和PyTorch的打印效果类似。

如果你的TensorFlow版本低于2.4，建议先升级到较新的稳定版本；如果暂时无法升级，也可以通过以下方式绕过嵌套：

• 直接将隐藏层逐个添加到主模型中，而不使用嵌套的Sequential（不过这种方式会让代码的模块化程度降低，适合简单模型）；
• 使用tf.keras.utils.plot_model生成模型的可视化图，它默认会展开所有嵌套层，能直观看到整个模型的结构：

  tf.keras.utils.plot_model(mdl, show_shapes=True, expand_nested=True, to_file='model.png')
  

内容的提问来源于stack exchange，提问作者David