Метод get_config класса Model

Метод get_config класса Model возвращает словарь с конфигурацией модели. В этом словаре содержатся имя модели, название и параметры слоев, а также настройки входов и выходов. Полученный словарь можно сериализовать в JSON или YAML и позже восстановить модель с помощью метода from_config.

Метод не принимает параметров и возвращает словарь Python с ключами name, layers и input_layers, output_layers. Для каждого слоя сохраняется его класс, имя и результат вызова его собственного метода get_config.

Синтаксис

model.get_config()

Пример

Давайте создадим простую модель и получим ее конфигурацию:

import tensorflow as tf

tf.random.set_seed(0)

model = tf.keras.Sequential([
	tf.keras.layers.Dense(2, input_shape=(3,)),
	tf.keras.layers.Dense(1)
], name='my_model')

config = model.get_config()
print(config)

Результат выполнения кода:

{'name': 'my_model', 'layers': [{'class_name': 'Dense', 'config': {'name': 'dense', 'trainable': True, 'dtype': 'float32', 'units': 2, 'activation': 'linear', 'use_bias': True, 'kernel_initializer': {'class_name': 'GlorotUniform', 'config': {'seed': None}}, 'bias_initializer': {'class_name': 'Zeros', 'config': {}}, 'kernel_regularizer': None, 'bias_regularizer': None, 'activity_regularizer': None, 'kernel_constraint': None, 'bias_constraint': None}}, {'class_name': 'Dense', 'config': {'name': 'dense_1', 'trainable': True, 'dtype': 'float32', 'units': 1, 'activation': 'linear', 'use_bias': True, 'kernel_initializer': {'class_name': 'GlorotUniform', 'config': {'seed': None}}, 'bias_initializer': {'class_name': 'Zeros', 'config': {}}, 'kernel_regularizer': None, 'bias_regularizer': None, 'activity_regularizer': None, 'kernel_constraint': None, 'bias_constraint': None}}]}

Пример

Давайте восстановим модель из полученной конфигурации с помощью метода from_config и проверим ее работу:

<+python+> import tensorflow as tf tf.random.set_seed(0) model = tf.keras.Sequential([ tf.keras.layers.Dense(2, input_shape=(3,)), tf.keras.layers.Dense(1) ], name='my_model') config = model.get_config() new_model = tf.keras.Sequential.from_config(config) print(new_model.name) print(len(new_model.layers)) <-python+>

Результат выполнения кода:

"my_model"
2

Пример

Давайте сохраним конфигурацию модели в JSON-строку и выведем ее длину:

import tensorflow as tf
import json

tf.random.set_seed(0)

model = tf.keras.Sequential([
	tf.keras.layers.Dense(3, input_shape=(2,)),
	tf.keras.layers.Dense(1)
], name='json_model')

config = model.get_config()
json_str = json.dumps(config)

print(config['name'])
print(len(json_str) > 0)

Результат выполнения кода:

"json_model"
True

Смотрите также

метод from_config,
который создает модель из словаря конфигурации
метод to_json,
который сериализует модель в JSON-строку
метод to_yaml,
который сериализует модель в YAML-строку
класс Model,
который представляет модель TensorFlow