テンソルフローモデルのトレイン可能なパラメータの総数をカウントするにはどうすればよいですか？

Question

関数呼び出し、またはテンソルフローグラフのパラメータの総数を数える別の方法はありますか？

私は、訓練可能な変数のN dimベクトルがNパラメータを持ち、NxM行列のパラメータがN*Mであることを意味します。したがって、本質的には、すべての訓練可能な変数の形状次元の積をテンソルフローセッション。

Answer 1

tf.trainable_variables()のすべての変数の形状をループします。

Answer 2

回答が実際に実行されているかどうかわかりません（私はあなたがdimオブジェクトをintに変換する必要があることがわかりました）。あなたはパラメータを独自の数を計算するに探しているなら

def count_number_trainable_params(): 
    ''' 
    Counts the number of trainable variables. 
    ''' 
    tot_nb_params = 0 
    for trainable_variable in tf.trainable_variables(): 
     shape = trainable_variable.get_shape() # e.g [D,F] or [W,H,C] 
     current_nb_params = get_nb_params_shape(shape) 
     tot_nb_params = tot_nb_params + current_nb_params 
    return tot_nb_params 

def get_nb_params_shape(shape): 
    ''' 
    Computes the total number of params for a given shap. 
    Works for any number of shapes etc [D,F] or [W,H,C] computes D*F and W*H*C. 
    ''' 
    nb_params = 1 
    for dim in shape: 
     nb_params = nb_params*int(dim) 
    return nb_params 

Answer 3

2つの既存の答えが良好である：ここで動作するものがあるされ、あなただけの関数を貼り付け、それらを呼び出すコピーすることができます（あまりにもいくつかのコメントを追加しました） 。あなたの質問が「私のTensorFlowモデルを簡単にプロファイリングする方法はありますか？」の行に沿っていれば、tfprofを調べることを強くお勧めします。パラメータの数を計算するなど、モデルをプロファイルします。

Answer 4

私は私の同等より短い実装でスローされます：

def count_params(): 
    "print number of trainable variables" 
    size = lambda v: reduce(lambda x, y: x*y, v.get_shape().as_list()) 
    n = sum(size(v) for v in tf.trainable_variables()) 
    print "Model size: %dK" % (n/1000,) 

Answer 5

を私も短いバージョン、numpyのを使用して使用して1つのラインのソリューションがあります。

np.sum([np.prod(v.get_shape().as_list()) for v in tf.trainable_variables()])