如何可视化含TimeDistributed层的Keras模型，展开显示内部CNN结构？

方案1：调整Keras自带plot_model参数直接展开嵌套层 #

你之前使用tf.keras.utils.plot_model没有展开子结构是因为默认关闭了嵌套层展开选项，添加expand_nested=True参数即可显示TimeDistributed层包裹的CNN子模型内部结构，示例代码如下：

from tensorflow.keras.utils import plot_model

plot_model(
    model,
    to_file="model_visual.png",
    show_shapes=True,
    show_layer_activations=True,
    expand_nested=True, # 核心参数，展开所有嵌套子模型
    dpi=200
)

这个方法不需要改动你的原有网络代码，生成的图会直接显示TimeDistributed内部的BatchNormalization、Flatten、Dense等层结构。

方案2：手动展开时间步显式显示每个输入对应的独立CNN分支 #

如果需要显式看到3个输入图像各自对应的独立CNN分支，可以临时修改网络结构，把TimeDistributed按时间步拆分后再生成可视化图，验证后改回原有TimeDistributed的写法即可，示例逻辑如下：

# 临时展开TimeDistributed用于可视化
input_sequence1 = Input(shape=(nbr_img, new_img_size, new_img_size, 3))
# 拆分3个时间步的输入，分别调用cnn1
step1_cnn = cnn1(input_sequence1[:,0,:,:,:])
step2_cnn = cnn1(input_sequence1[:,1,:,:,:])
step3_cnn = cnn1(input_sequence1[:,2,:,:,:])
# 组合后输入LSTM
lstm_input = tf.stack([step1_cnn, step2_cnn, step3_cnn], axis=1)
lstm1 = LSTM(1024, activation='relu', return_sequences=False)(lstm_input)
# 后半部分网络逻辑保持不变，生成模型后再用plot_model画图即可

生成的图会直接显示3个并行的CNN分支，完全符合你要的展开效果。

方案3：使用visualkeras生成自定义风格的结构图 #

如果需要类似参考示例的彩色美观风格，可以使用visualkeras库，它支持自定义层配色、尺寸，同样支持展开嵌套层，示例代码如下：

import visualkeras
from PIL import ImageFont

# 设置字体（可选，调整标注大小）
font = ImageFont.truetype("arial.ttf", 12)
visualkeras.layered_view(
    model,
    to_file='model_colored.png',
    expand_nested=True,
    font=font,
    legend=True
)

内容的提问来源于stack exchange，提问作者RNS