在尝试训练之前查看我的神经网络的架构
View architechure of my neural net before attempting to train it
我想尝试使用 TensorFlow 2 制作的不同神经网络架构。即不同层数、不同层类型、每层中不同数量的节点等。我正在使用 tf.keras.layers.Input()、tf.keras.layers.Dense() 和 tf.keras.layers.Conv2D 等函数构建我的模型。我也希望将我构建的模型可视化为完整性检查。查看 TensorBoard 的文档，似乎要查看您的模型，您需要在训练过程中使用回调 (model.fit)。这看起来相当笨拙——在尝试开始训练之前，肯定有一种方法可以可视化您的网络。无论如何，训练可能会崩溃，因为您的模型架构存在某种缺陷！如果这种可视化可以通过 TensorBoard 以外的其他方式完成，那也很好。
编辑： 有人建议可能已经有了答案 => 但它似乎涉及使用我认为没有的会话自版本 2 以来 TensorFlow 的较长部分。
编辑： 我刚找到 summary() 函数。在尝试训练之前，这确实告诉了我很多关于我的网络的信息。
如果您使用的是 Keras，则可以使用 "plot_model" 绘制模型，请参阅文档 (https://keras.io/utils/#plot_model ). If you want to use only Tensorflow you can still plot your model without training, see question ( )
我想尝试使用 TensorFlow 2 制作的不同神经网络架构。即不同层数、不同层类型、每层中不同数量的节点等。我正在使用 tf.keras.layers.Input()、tf.keras.layers.Dense() 和 tf.keras.layers.Conv2D 等函数构建我的模型。我也希望将我构建的模型可视化为完整性检查。查看 TensorBoard 的文档，似乎要查看您的模型，您需要在训练过程中使用回调 (model.fit)。这看起来相当笨拙——在尝试开始训练之前，肯定有一种方法可以可视化您的网络。无论如何，训练可能会崩溃，因为您的模型架构存在某种缺陷！如果这种可视化可以通过 TensorBoard 以外的其他方式完成，那也很好。
编辑： 有人建议可能已经有了答案 =>
编辑： 我刚找到 summary() 函数。在尝试训练之前，这确实告诉了我很多关于我的网络的信息。
如果您使用的是 Keras，则可以使用 "plot_model" 绘制模型，请参阅文档 (https://keras.io/utils/#plot_model ). If you want to use only Tensorflow you can still plot your model without training, see question (