这是我第一次使用tensorflow，我试图了解如何使用它 . 我想将隐藏节点数更改为10并训练此神经网络 . 完成后，我想绘制从训练中学到的隐藏层中的要素 . 也就是说，将第一层（在输入和第一隐藏层之间）中的学习权重（向量）重新整形为图像维度（在2D中）并显示它们 . 我只需要解释如何做到这一点 .

import tensorflow as tf
mnist = tf.keras.datasets.mnist

(x_train, y_train),(x_test, y_test) = mnist.load_data()
x_train, x_test = x_train / 255.0, x_test / 255.0

model = tf.keras.models.Sequential([
  tf.keras.layers.Flatten(),
  tf.keras.layers.Dense(512, activation=tf.nn.relu),
  tf.keras.layers.Dropout(0.2),
  tf.keras.layers.Dense(10, activation=tf.nn.softmax)
])
model.compile(optimizer='adam',
           loss='sparse_categorical_crossentropy',
           metrics=['accuracy'])

model.fit(x_train, y_train, epochs=5)
model.evaluate(x_test, y_test)
python tensorflow