Keras/TensorFlow：查询已保存训练模型所用初始化器及配置参数

你手里的模型如果是Keras/TensorFlow通过标准model.save()接口导出的（不管是.h5单文件格式还是SavedModel文件夹格式），不需要原始训练代码，直接加载后就能提取所有层的配置参数，操作步骤如下：

• 加载模型
  常规内置层、内置初始化器、激活函数不需要额外依赖，直接调用加载接口即可；如果之前训练用了自定义组件，加载时把自定义对象传入custom_objects参数就行。

  from tensorflow import keras
  # 替换成你自己的模型存储路径
  model = keras.models.load_model("./your_trained_model")
  

• 遍历层读取配置
  每一层的实例属性里直接存了初始化器、激活函数的实例对象，调用对象自带的get_config()方法就能拿到全部配置参数，直接跑下面的代码就能输出所有信息：

  for layer in model.layers:
      print(f"=== 层名：{layer.name} | 层类型：{layer.__class__.__name__} ===")
      # 读取权重（卷积核/全连接权重）初始化器配置
      if hasattr(layer, "kernel_initializer"):
          k_init = layer.kernel_initializer
          print(f"权重初始化器：{k_init.__class__.__name__}")
          print(f"初始化器参数：{k_init.get_config()}")
      # 读取偏置初始化器配置
      if hasattr(layer, "bias_initializer"):
          b_init = layer.bias_initializer
          print(f"偏置初始化器：{b_init.__class__.__name__}")
          print(f"初始化器参数：{b_init.get_config()}")
      # 读取激活函数配置
      if hasattr(layer, "activation") and layer.activation is not None:
          act = layer.activation
          print(f"激活函数：{act.__class__.__name__}")
          print(f"激活函数参数：{act.get_config()}")
      print("\n")
  

如果你的模型用了嵌套结构（比如模型里包含子Sequential/Functional模型块），把上面的遍历逻辑改成递归遍历所有子层即可，属性读取的逻辑完全一致。

• 特殊情况说明
  如果你手里的文件是PyTorch保存的权重文件（PyTorch本身没有model.save接口，常规是用torch.save存state_dict），仅权重文件是无法还原初始化器、激活函数配置的；但如果是保存了完整模型结构的PyTorch模型文件，加载后遍历各层属性也能读到对应配置。结合你提到的model.save保存方式，基本可以确定是Keras/TF格式模型，上面的代码可以直接用。

内容的提问来源于stack exchange，提问作者Philipp123