TensorFlow.js tf.Sequential 类 .summary() 方法

TensorFlow.js 是一个流行的 JavaScript 库，它让您可以使用 TensorFlow 框架来构建和训练机器学习模型。其中，tf.Sequential 类是 TensorFlow.js 中的一个重要的类，它用来创建一个简化版的神经网络模型。在这篇文章中，我们将会介绍 tf.Sequential 类的 .summary() 方法。

概述

tf.Sequential 类是 TensorFlow.js 中的一个重要的类，它使得机器学习模型的构建变得非常容易。Sequential 类是一个具有一系列层的容器，这些层按照顺序连接在一起，构成一个完整的神经网络模型。

tf.Sequential 类中的 .summary() 方法是一个很有用的方法，它可以展示出该神经网络模型的层的结构和参数数量，帮助程序员更好地理解和调试神经网络模型。

语法

tf.Sequential 类的 .summary() 方法的语法如下:

tf.Sequential.summary([lineLength], [positions], [printFn])

• lineLength 表示每行的字符数，默认为 80。

• positions 表示将展示哪些数据，包括 total_params, trainable_params 和 non-trainable_params，默认为 ["total_params", "trainable_params"]。

• printFn 表示将打印 summary 信息的函数，默认为 console.log。

参数说明

• total_params 表示模型中所有参数的数量。

• trainable_params 表示可以被训练的参数的数量。

• non-trainable_params 表示不能被训练的参数的数量。

示例

在下面的示例中，我们来创建一个 tf.Sequential 类的实例，并使用 .summary() 方法来展示该神经网络模型的层的结构和参数数量。

const model = tf.sequential({
  layers: [
    tf.layers.dense({
      inputShape: [784],
      units: 32,
      activation: 'relu'
    }),
    tf.layers.dense({
      units: 10,
      activation: 'softmax'
    })
  ]
});

model.summary();

输出内容如下：

_________________________________________________________________
Layer (type)                 Output shape              Param #
=================================================================
dense_Dense1 (Dense)         [null,32]                 25120
_________________________________________________________________
dense_Dense2 (Dense)         [null,10]                 330
=================================================================
Total params: 25,450
Trainable params: 25,450
Non-trainable params: 0
_________________________________________________________________

通过上面的输出结果，我们可以看到该神经网络模型有两个层，第一个层是一个 784 -> 32 的全连接层，第二个层是一个 32 -> 10 的全连接层。其中，该神经网络模型的总参数数为 25,450，可以被训练的参数数为 25,450，不能被训练的参数数为 0。

结论

tf.Sequential 类中的 .summary() 方法是一个非常有用的方法，它可以帮助程序员更好地理解和调试神经网络模型。通过 .summary() 方法展示出神经网络模型的层的结构和参数数量，可以让程序员更加深入的了解神经网络模型是如何运作的，从而更好地进行模型的调整和优化。