summary

paddle.summary ( self, input_size=None, 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. # {'total_params': 61610, 'trainable_params': 61610}