如何获取Keras模型的层数（而非参数数量）？

当然有办法解决这个问题！不用再对着model.summary()逐行统计层数，下面这几个方法能帮你快速得到准确结果：

• 直接获取顶层层数
  Keras模型的layers属性是一个包含所有顶层层的列表，直接取它的长度就能得到顶层的层数：

  # 假设你的模型实例为model
  layer_num = len(model.layers)
  print(f"模型顶层层数: {layer_num}")
  

  这个方法适用于大多数简单模型（比如基础的Sequential或单输入输出的Functional模型），操作简单高效。

• 统计包含嵌套层的总层数
  如果你的模型里嵌套了子模型（比如Sequential套Sequential，或者自定义的模型层），上面的方法只会统计外层的模型/层，这时候可以用递归函数来统计所有层级的独立计算层：

  def count_all_layers(target_model):
      total = 0
      for layer in target_model.layers:
          # 判断当前层是否包含子层（即本身是一个模型）
          if hasattr(layer, 'layers'):
              total += count_all_layers(layer)
          else:
              total += 1
      return total
  
  # 使用示例
  total_layer_count = count_all_layers(model)
  print(f"模型总层数（含嵌套层）: {total_layer_count}")
  

  这个递归方法会遍历所有嵌套的子模型，把每一个单独的计算层都算进去，适合复杂的模型结构。

其实model.summary()里的每一行（除了开头的模型信息和结尾的参数统计）对应一个层，但手动数确实容易出错，用代码获取既准确又省心~

内容的提问来源于stack exchange，提问作者user673592