我还没有看到任何类似model.summary（）的东西用于tensorflow...不过，我觉得你不需要。有一个TensorBoard，您可以轻松检查NN的架构。
https://www.tensorflow.org/tensorboard

https://www.tensorflow.org/get_started/graph_viz

您可以将keras与tensorflow后端一起使用，以获得keras或tensorflow的最佳功能。

看来你可以使用Slim
示例：

import numpy as np

from tensorflow.python.layers import base
import tensorflow as tf
import tensorflow.contrib.slim as slim

x = np.zeros((1,4,4,3))
x_tf = tf.convert_to_tensor(x, np.float32)
z_tf = tf.layers.conv2d(x_tf, filters=32, kernel_size=(3,3))

def model_summary():
    model_vars = tf.trainable_variables()
    slim.model_analyzer.analyze_vars(model_vars, print_info=True)

model_summary()

输出：

---------
Variables: name (type shape) [size]
---------
conv2d/kernel:0 (float32_ref 3x3x3x32) [864, bytes: 3456]
conv2d/bias:0 (float32_ref 32) [32, bytes: 128]
Total size of variables: 896
Total bytes of variables: 3584

这里还有一个打印模型摘要的自定义函数示例：https://github.com/NVlabs/stylegan/blob/f3a044621e2ab802d40940c16cc86042ae87e100/dnnlib/tflib/network.py#L507
如果你已经有了.pb tensorflow模型，你可以用途：inspect_pb.py来打印模型信息或使用带有--print_structure标志的tensorflow summary_graph工具，它还可以检测输入和输出名称。