获取卷积神经网络模型参数个数（总参数、可训练参数、非训练参数）

John H.

于 2021-11-10 15:46:31 发布

阅读量1.2k

点赞数

CC 4.0 BY-SA版权

分类专栏：深度学习 python 文章标签： cnn tensorflow 深度学习

本文链接：https://blog.csdn.net/weixin_42778485/article/details/121249925

python 同时被 2 个专栏收录

12 篇文章

订阅专栏

深度学习

5 篇文章

订阅专栏

本文档展示了如何使用TensorFlow计算模型的总参数数、可训练参数数和非训练参数数，以ResNet101V2为例，通过代码实例解析了模型结构的参数分布情况。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

直接上程序。

import tensorflow as tf
import numpy

def parameters_count(_model):
    total_count = _model.count_params()
    trainable_count = numpy.sum([tf.keras.backend.count_params(w) for w in _model.trainable_weights])
    non_trainable_count = numpy.sum([tf.keras.backend.count_params(w) for w in _model.non_trainable_weights])
    return total_count, trainable_count, non_trainable_count

举例如下：

model = tf.keras.applications.resnet_v2.ResNet101V2(include_top=False)

parameters_count(model)

打印出来的结果：(42626560, 42528896, 97664)

模型总参数、可训练参数、非训练参数分别为42626560、42528896和97664