如何获取Keras自定义子类层的内部结构摘要图表？

方案1：直接使用高版本Keras内置参数（推荐） #

TensorFlow 2.5及以上版本的model.summary()原生支持expand_nested参数，开启后会自动展开所有嵌套的自定义层内部结构，无需额外修改代码：

# 直接打印全模型展开后的摘要，magic_layer内部层会自动列出
model.summary(expand_nested=True)

方案2：修改自定义层的继承父类 #

如果你的自定义层本身就是由多个Keras层组合而成的复合层，将其继承父类从tf.keras.layers.Layer改为tf.keras.Model即可，Model是Layer的子类，原有功能完全不受影响，且天然自带summary()方法：

# 原写法
# class MagicLayer(tf.keras.layers.Layer):
# 修改后写法
class MagicLayer(tf.keras.Model):
    # 原有__init__、call等代码完全不用改动
    ...

修改后直接调用对应层的summary即可：

model.layers[1].summary()

方案3：构造临时模型打印（无需修改原有代码） #

如果不想改动自定义层的定义，也可以构造临时包装模型实现打印：

import tensorflow as tf

# 获取目标自定义层
magic_layer = model.layers[1]
# 构造和层输入shape匹配的虚拟输入，shape根据实际输入调整
dummy_input = tf.random.normal((1, 504, 6))
# 执行一次前向传播触发层的build逻辑
_ = magic_layer(dummy_input)
# 构造临时模型包装自定义层的输入输出
temp_model = tf.keras.Model(inputs=magic_layer.input, outputs=magic_layer.output)
# 打印和官方格式完全一致的摘要
temp_model.summary()

注意事项 #

自定义层内部的子层需要被Keras正确追踪才能被展示：

• 子层需要直接赋值给实例属性，例如self.conv = tf.keras.layers.Conv2D(32, 3)
• 如果子层存储在列表中，需要用tf.keras.layers.ModuleList包装，例如self.layer_list = tf.keras.layers.ModuleList([tf.keras.layers.Dense(16) for _ in range(3)])

内容的提问来源于stack exchange，提问作者user16796559