如何获取TensorFlow中层的详细信息？

嗨，你遇到的这个问题很常见～单独的TensorFlow层确实没有summary()方法，这个方法是给完整的模型（Model类）设计的，所以直接调用会抛出AttributeError。不过有几个简单的办法能拿到你想要的层细节：

• 直接访问层的实例属性
  TensorFlow的层会把初始化时传入的参数作为实例属性保存下来，你可以直接通过属性名获取，比如想拿到pool_size的话，直接写：

  print(avg_pool.pool_size)
  

  运行后就会输出2，是不是很直接？

• 用get_config()获取完整配置字典
  如果你想一次性看到层的所有配置参数（比如strides、padding这些默认参数也能看到），可以调用层的get_config()方法，它会返回一个包含所有配置的字典：

  print(avg_pool.get_config())
  

  输出结果里会明确包含'pool_size': 2，还有其他你没手动设置的默认参数，信息很全面。

• 包装成简单模型后调用summary()
  要是你还是想用summary()看结构化的信息，可以把这个单独的层包装成一个极简的Sequential模型，然后调用summary()，不过要先给模型指定输入形状：

  import tensorflow.keras.models as models
  
  model = models.Sequential([avg_pool])
  model.build(input_shape=(None, 10, 1))  # 根据你的实际输入调整shape，这里只是示例
  model.summary()
  

  这样就能看到层的类型、输出形状等信息，层的描述里也会标注pool_size=2哦。

备注：内容来源于stack exchange，提问作者Alex