tensorflow.keras自建模型调用summary()及plot_model()无结构输出问题

这个现象不属于Keras的正常行为，你的模型构建逻辑本身没有语法错误，输出异常通常由以下几个原因导致：

• 日志输出级别过滤：model.summary()默认使用info级别的日志输出，如果你当前运行环境的日志级别被设置为WARN/ERROR及以上，summary的结构信息会被直接过滤，仅剩下最后一行的参数总统计输出。
• 运行环境输出被抑制：如果你在Jupyter类环境运行，单元格末尾如果为赋值语句等无返回值的代码，或者stdout流被其他模块捕获重定向，也会导致summary、print的输出无法正常显示。
• 可视化依赖缺失：keras.utils.plot_model生成图片需要额外安装pydot和graphviz依赖，未安装时通常只会输出静默警告不会报错，也就不会生成对应图片。

另外你代码里的层定义和注释标注的需求不匹配：你注释说明想要neurons对应的3层隐藏层，但是代码里在循环前额外加了一层10神经元的Dense层，实际会生成4层隐藏层，不符合需求的话可以删掉循环前的x = Dense(10,activation='relu')(inputs)这行。

1. 强制summary使用标准print输出，绕过日志级别限制：

# 修改summary调用为
model.summary(print_fn=print)

2. 调整层遍历代码增加输出信息，确认模型结构正常：

for idx, layer in enumerate(model.layers):
    print(f"层索引：{idx} | 层名称：{layer.name} | 输出形状：{layer.output_shape} | 参数数量：{layer.count_params()}")

3. 安装plot_model所需依赖：
   • 先安装系统级的graphviz库（对应操作系统搜索官方安装方式即可）
   • 再安装Python依赖：pip install pydot graphviz

内容的提问来源于stack exchange，提问作者Deshwal