走进tensorflow第十三步——神经网络模型可视化神器Netron

在神经网络这一块，对于训练的模型，可视化是个很有意思且很必要的部分，它能直观地向我们展示模型的整体框架及相互关系；

很久以前就下载了Netron，一直没怎么用，今天突然想起来了，那就搞一波吧~

代码用的是之前写的一个例子，具体可翻阅博客：https://blog.youkuaiyun.com/beyond9305/article/details/88902616

代码做了必要的修改，去掉一些本次测试用不到的，加入存储模型的代码，具体如下：

import numpy as np
import tensorflow as tf

x_0 = np.array([[1], [2], [1]])  # 生成一个损失函数系数数组
x = tf.placeholder(tf.float32, [3, 1])  # 占位符，第一个参数为类型，第二个为形状
w = tf.Variable([0], dtype=tf.float32)  # 定义变量w，初始值为0.0
loss = x[0] * w ** 2 + x[1] * w + x[2]  # 定义损失函数
train = tf.train.GradientDescentOptimizer(0.01).minimi