查看TensorFlow已训模型的结构和网络参数

文章目录

• • 概要
  • 流程

概要

通过以下实例，你将学会如何查看神经网络结构并打印出训练参数。

流程

• 准备一个简易的二分类数据集，并编写一个单层的神经网络

train_data = np.array([[1, 2, 3, 4, 5], 
                       [7, 7, 2, 4, 10], 
                       [1, 9, 3, 6, 5], 
                       [6, 7, 8, 9, 10]])

train_label = np.array([1, 0, 1, 0])  #标签与样本一一对齐


""" 定义一个单层的神经网络 """
model = tf.keras.models.Sequential([
    tf.keras.layers.Dense(1, activation=None)
])

• 编译，训练，并保存模型

model.compile(
    loss=tf.keras.losses.BinaryCrossentropy(from_logits=True),
    optimizer='adam'
)
model.fit(train_data,
          tra