summary

paddle. summary ( net, input_size, dtypes=None ) [源代码]

summary 函数能够打印网络的基础结构和参数信息。

参数：

  • net (Layer) - 网络实例，必须是 Layer 的子类。

  • input_size (tuple|InputSpec|list[tuple|InputSpec) - 输入张量的大小。如果网络只有一个输入，那么该值需要设定为tuple或InputSpec。如果模型有多个输入。那么该值需要设定为list[tuple|InputSpec]，包含每个输入的shape。

  • dtypes (str，可选) - 输入张量的数据类型，如果没有给定，默认使用 float32 类型。默认值：None。

返回：字典，包含了总的参数量和总的可训练的参数量。

代码示例：

  1. import paddle
  2. import paddle.nn as nn
  4. class LeNet(nn.Layer):
  5.     def __init__(self, num_classes=10):
  6.         super(LeNet, self).__init__()
  7.         self.num_classes = num_classes
  8.         self.features = nn.Sequential(
  9.             nn.Conv2D(
  10.                 1, 6, 3, stride=1, padding=1),
  11.             nn.ReLU(),
  12.             nn.MaxPool2D(2, 2),
  13.             nn.Conv2D(
  14.                 6, 16, 5, stride=1, padding=0),
  15.             nn.ReLU(),
  16.             nn.MaxPool2D(2, 2))
  18.         if num_classes > 0:
  19.             self.fc = nn.Sequential(
  20.                 nn.Linear(400, 120),
  21.                 nn.Linear(120, 84),
  22.                 nn.Linear(
  23.                     84, 10))
  25.     def forward(self, inputs):
  26.         x = self.features(inputs)
  28.         if self.num_classes > 0:
  29.             x = paddle.flatten(x, 1)
  30.             x = self.fc(x)
  31.         return x
  33. lenet = LeNet()
  35. params_info = paddle.summary(lenet, (1, 1, 28, 28))
  36. print(params_info)
  37. # ---------------------------------------------------------------------------
  38. # Layer (type)       Input Shape          Output Shape         Param #
  39. # ===========================================================================
  40. # Conv2D-11      [[1, 1, 28, 28]]      [1, 6, 28, 28]          60
  41. #     ReLU-11       [[1, 6, 28, 28]]      [1, 6, 28, 28]           0
  42. # MaxPool2D-11     [[1, 6, 28, 28]]      [1, 6, 14, 14]           0
  43. # Conv2D-12      [[1, 6, 14, 14]]     [1, 16, 10, 10]         2,416
  44. #     ReLU-12      [[1, 16, 10, 10]]     [1, 16, 10, 10]           0
  45. # MaxPool2D-12    [[1, 16, 10, 10]]      [1, 16, 5, 5]            0
  46. # Linear-16         [[1, 400]]            [1, 120]           48,120
  47. # Linear-17         [[1, 120]]            [1, 84]            10,164
  48. # Linear-18         [[1, 84]]             [1, 10]              850
  49. # ===========================================================================
  50. # Total params: 61,610
  51. # Trainable params: 61,610
  52. # Non-trainable params: 0
  53. # ---------------------------------------------------------------------------
  54. # Input size (MB): 0.00
  55. # Forward/backward pass size (MB): 0.11
  56. # Params size (MB): 0.24
  57. # Estimated Total Size (MB): 0.35
  58. # ---------------------------------------------------------------------------
  59. # {'total_params': 61610, 'trainable_params': 61610}

使用本API的教程文档