在声明模型后的sklearn库中-
model1 = sklearn.svm.SVC()
model2 = sklearn.kernel_ridge.KernelRidge()
我们可以通过使用model.get_params()直接获取可用的超参数，tensorflow中有这样的吗？此外，如果我们甚至加载已经设置了这些超参数的预构建模型，我们是否可以获得它们？
答案 0 :(得分：1)
你可以在 Keras 中使用：
model.get_config()
您还可以使用以下命令查看模型架构：
model.summary()