如何显示包含嵌套模型的TensorFlow Keras模型的全部层？

方法1：使用summary()的内置展开参数 #

TensorFlow 2.5及以上版本的model.summary()提供了expand_nested参数，设置为True即可直接展开所有嵌套模型的内部层，还可以搭配show_trainable=True同时显示每层的可训练状态：

model.summary(expand_nested=True, show_trainable=True)

执行后输出会自动把MobileNetV3Small的所有内部层按层级展开展示。

方法2：递归遍历全层（兼容低版本TF） #

如果你的TensorFlow版本较低不支持上述参数，或者需要自定义输出内容，可以手写递归遍历函数：

def print_all_layers(model, indent_level=0):
    indent = "  " * indent_level
    for layer in model.layers:
        # 打印当前层基础信息
        print(f"{indent}层名：{layer.name} | 类型：{layer.__class__.__name__} | 输出形状：{layer.output_shape} | 参数量：{layer.count_params()}")
        # 如果当前层是包含子层的容器（比如预训练模型、Sequential实例），递归遍历子层
        if hasattr(layer, "layers"):
            print_all_layers(layer, indent_level + 1)

# 调用函数打印全部层
print_all_layers(model)

函数会用缩进区分层级，逐层输出所有嵌套的子层信息。

方法3：单独打印基础模型结构 #

如果你只需要查看MobileNetV3Small的内部层，直接调用基础模型的summary方法即可：

base_model.summary()

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