get.weightsで得た重みを可視化したい

重みの可視化

今回keras,mnistを使い簡単に動かしました。
"model.get_layer('dense_1').get_weights()"で重みを取得したのですが、この取得した重みをどうにか画像として出力したいです。
理想はtensorboardへの出力ですが、ありあえずmatplotでの出力を試行錯誤しています。
ここで得た重みをどのように扱えばいいのか分からず苦戦しております。
この重みを画像として出力できれば、手書き数字のどの部分が反応しているか、目で見て分かるのではと考えています。

>>> model.get_layer('dense_1').get_weights()
[array([[ 0.16572747, -0.10772504,  0.1211575 , ..., -0.10732491,
         0.14570805,  0.01378143],
       [-0.17990576,  0.17675169, -0.206588  , ..., -0.13718925,
        -0.04183103, -0.27726373],
       [-0.05705023,  0.0617761 ,  0.05799635, ..., -0.36197215,
         0.11944304, -0.21759842],
       ...,
       [-0.1403506 , -0.17172877, -0.44814473, ...,  0.02769719,
         0.12637761,  0.01180686],
       [ 0.046968  , -0.17755437, -0.07650904, ...,  0.03794758,
        -0.08226985,  0.0308189 ],
       [-0.2886293 ,  0.0838939 , -0.01235085, ...,  0.12330087,
        -0.01136581, -0.08974177]], dtype=float32), array([-0.05677079, -0.11204855, -0.02062975, -0.08041384,  0.01099737,
        0.00711802, -0.0169198 , -0.08662082,  0.25113648,  0.01298474],
      dtype=float32)]


import tensorflow as tf
import datetime
import numpy as np
import matplotlib.pyplot as plt

mnist = tf.keras.datasets.mnist

(x_train, y_train),(x_test, y_test) = mnist.load_data()
x_train, x_test = x_train / 255.0, x_test / 255.0

model = tf.keras.models.Sequential([
  tf.keras.layers.Flatten(input_shape=(28, 28)),
  tf.keras.layers.Dense(512, activation=tf.nn.relu),
  tf.keras.layers.Dropout(0.2),
  tf.keras.layers.Dense(10, activation=tf.nn.softmax)
])


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



log_dir="logs/fit/" + datetime.datetime.now().strftime("%Y%m%d-%H%M")
file_writer = tf.summary.create_file_writer(log_dir)
with file_writer.as_default():
  images = np.reshape(x_train[0:10], (-1, 28, 28, 1))
  tf.summary.image("train", images, max_outputs=10, step=1)



tensorboard_callback = tf.keras.callbacks.TensorBoard(log_dir=log_dir, histogram_freq=1)



model.fit(x=x_train, 
          y=y_train, 
          epochs=5, 
          validation_data=(x_test, y_test), 
          callbacks=[tensorboard_callback]) 

model.evaluate(x_test, y_test)



model.get_layer('dense_1').get_weights()