我正在使用keras而不是处理tensorflow因为它的简单性 . 但是当我试图通过向 model.fit()
的 callbacks
参数发送 keras.callbacks.Tensorboard
实例来实现keras中的计算图形时 . 我从 tensorboard
获得的图表非常笨拙,为了演示目的,这里我只构建一个非常简单的线性分类器,在1个密集层中有1个单元 . 但图表看起来像这样:
我可以做与在tensorflow中所做的相同的事情,比如使用name_space将事物分组在一起并给出图层,偏见,权重名称?我的意思是,在这里的图表中,它是如此混乱,我只能理解 Dense
层和 logistic loss
命名空间 . 但通常使用tensorflow,我们可以看到像 train
名称空间这样的东西,而没有那么多没有命名空间的节点 . 我怎样才能说得更清楚?
1 回答
Tensorflow图显示了所有被调用的计算 . 你将无法简化它 .
作为替代方案,Keras拥有自己的逐层图 . 这显示了一个清晰简洁的网络结构 . 你可以通过调用生成它
最后,您还可以调用
model.summary()
,它会生成图形的文本版本,并附带其他摘要 .这是
model.summary()
的输出,例如: