我应该如何比较两个tensorflow模型？

Question

我已经在两个不同但相似的数据集上使用TensorFlow对模型进行了培训，每个数据集使用相同的代码，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)

这些数据集是金融时间序列，所以我认为把它们结合起来是没有意义的。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，我应该看什么来确定模型的相似性？层的重量

第二，我怎样才能从我训练过的模型中获得这些信息，以便我能够将其可视化

Answer 1

由于这两个数据集相似，我假设您可以结合这两个数据集的样本创建一个验证集。然后查看验证丢失是否更接近