我应该如何比较2个tensorflow模型？

Posted 2021-03-19

我在TensorFlow中训练了两个不同但相似的数据集的模型，每个数据集都使用相同的代码，如下所示：

model = tf.keras.models.Sequential([
  tf.keras.layers.Input(shape=(D,)),
  tf.keras.layers.Dense(1, activation='sigmoid')                                    
])

model.compile(optimizer='adam',
              loss='binary_crossentropy',
              metrics=['accuracy'])

r = model.fit(x_train, y_train, validation_data=(x_test, y_test), epochs=120)

我想看看训练后得到的模型有多相似，以决定对两个数据集使用一个通用模型是否有意义。

首先，确定模型相似性时我应该考虑什么？层重量？

第二，如何从训练有素的模型中获取此信息，以便对其进行可视化？

答案

由于这两个数据集相似，我假设您可以结合两个数据集的样本来创建一个验证集。然后查看验证损失是否更近。