TensorFlow 神经网络层数判断方法

在 TensorFlow 中，可以通过查看神经网络的图结构来判断其层数。可以使用以下代码来获取神经网络的图结构：

import tensorflow as tf

# 构建神经网络
def build_network():
    inputs = tf.keras.Input(shape=(input_shape,))
    x = tf.keras.layers.Dense(64, activation='relu')(inputs)
    x = tf.keras.layers.Dense(64, activation='relu')(x)
    x = tf.keras.layers.Dense(64, activation='relu')(x)
    outputs = tf.keras.layers.Dense(output_shape, activation='softmax')(x)
    model = tf.keras.Model(inputs=inputs, outputs=outputs)
    return model

# 获取神经网络的图结构
model = build_network()
model.summary()

运行上述代码后，会打印出神经网络的图结构，其中包括每一层的名称、输出形状和参数数量。通过观察输出结果，可以判断神经网络的层数。在上述代码中，有3个隐藏层，因此可以判断该神经网络的层数为3。