معرفة عدد المعاملات parameters في النموذج في Keras

يمكنك معرفة ذلك من خلال التعليمة التالية:

model.count_params()

مثال:

model = Sequential()
model.add(Embedding(1000, 50, input_length=30, trainable=True))
model.add(GRU(150, recurrent_dropout=0.1, dropout=0.1))
model.add(Dense(10, activation='softmax'))
model.count_params() #142410

ويمكنك أيضاً استخدام:

model.summary()

حيث تعطيك الطريقة الثانية ملخص كامل عن الطبقات الموجودة في نموذجك وعدد المعاملات في كل منها وأبعاد كل طبقة والمعاملات القابلة للتدريب والغير قابلة للتدريب.

# مثال
model = Sequential()
model.add(Embedding(1000, 50, input_length=30, trainable=True))
model.add(GRU(150, recurrent_dropout=0.1, dropout=0.1))
model.add(Dense(10, activation='softmax'))
model.summary()
Model: "sequential_2"
_________________________________________________________________
Layer (type)                 Output Shape              Param #   
=================================================================
embedding_1 (Embedding)      (None, 30, 50)            50000     
_________________________________________________________________
gru_1 (GRU)                  (None, 150)               90900     
_________________________________________________________________
dense (Dense)                (None, 10)                1510      
=================================================================
Total params: 142,410
Trainable params: 142,410
Non-trainable params: 0
_________________________________________________________________

توفر لك ال models دالة جاهزة لهذه الوظيفة وهي

model.count_params()

كما يمكنك الحصول على ملخص لل parameters  من خلال هذه الدالة

model.summary()

إذا كنت تقصد عدد المعاملات المتاحة التي يمكنك التغيير فيها لأي نموذج يمكن فعل ذلك بإستخدام دالة get_params() والتي تعطي كل المعاملات المتوفرة التي يمكن تمريرها للنموذج و التعديل فيها.

reg = RandomForestRegressor()
params = reg.get_params()

مثلاً هنا إستخدمنا الدالة لمعرفة المعاملات التي يستقبلها reg model والذي هو عبارة عن RandomForestRegressor. كما يمكن أيضاً إستخدام inspect والتي تقوم ايضاً بتوفير المعاملات حتى في حالة عدم إنشاء النموذج:

import inspect
import sklearn

models = [sklearn.linear_model.LinearRegression]
for m in models:
    hyperparams = inspect.signature(m.__init__)
    print(hyperparams)

لاحظ أننا قمنا بنداء inspect للنموذج بإستخدام دالة الconstructor وبالتالي ستخبرنا الدالة constructor عن القيم الموجودة بداخلها، والنتيجة تصبح:

(self, fit_intercept=True, normalize=False, copy_X=True, n_jobs=None)