我使用 keras 而不是处理 tensorflow，因为它很简单。但是，当我尝试通过向model.fit() 的callbacks 参数发送keras.callbacks.Tensorboard 实例来可视化keras 中的计算图时。我从tensorboard 得到的图表太尴尬了，
出于演示目的，这里我只构建了一个非常简单的线性分类器，在 1 个密集层中有 1 个单元。但是图表看起来像这样：
我可以做和我们在 tensorflow 中做的一样的事情吗，比如使用 name_space 将事物组合在一起并给出层、偏差、权重名称？我的意思是，在这里的图表中，它是如此的混乱，我只能理解Dense 层和logistic loss 命名空间。但通常使用 tensorflow，我们可以看到类似 train 命名空间的东西，而这里没有那么多没有命名空间的节点。我怎样才能让它更清楚？
【问题讨论】：
标签： tensorflow keras tensorboard
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 有自己的逐层图。这显示了您网络的清晰简洁的结构。您可以通过调用生成它
from keras.utils import plot_model
plot_model(model, to_file='/some/pathname/model.png')
最后，您还可以调用model.summary()，它会生成图表的文本版本，并带有额外的摘要。
这是model.summary() 的输出，例如：
Layer (type) Output Shape Param # Connected to
====================================================================================================
input_1 (InputLayer) (None, 2048) 0
____________________________________________________________________________________________________
activation_1 (Activation) (None, 2048) 0
____________________________________________________________________________________________________
dense_1 (Dense) (None, 511) 1047039
____________________________________________________________________________________________________
activation_2 (Activation) (None, 511) 0
____________________________________________________________________________________________________
decoder_layer_1 (DecoderLayer) (None, 512) 0
____________________________________________________________________________________________________
ctg_output (OrLayer) (None, 201) 102912
____________________________________________________________________________________________________
att_output (OrLayer) (None, 312) 159744
====================================================================================================
Total params: 1,309,695.0
Trainable params: 1,309,695.0
Non-trainable params: 0.0
【讨论】：
plot_model 没有立即生效，我必须安装 pydot_ng、graphviz 和 Graphviz 软件。但现在可以了。