tensorboard 参数可视化

tensorboard 可视化可以用一下几个步骤实现：

1.在脚本代码当中通过tensorborad()函数返回各个想要可视化的参数以及保存事件文件的目录（在对模型进行优化之后）。

2.在运行完文件之后在后端进入脚本程序所在目录，并输入 tensorboard --logs = 'logs'。（这里logs指的是在1中指定的保存事件的目录）

3.后端会返回查看可视化结果的地址，把地址复制进浏览器即可查看。

下面用一个简单的实例展示一下具体过程。

代码部分如下：

 1 import keras
 2 from keras.datasets import mnist
 3 from keras.models import Sequential
 4 from keras.layers import Dense, Dropout, Flatten
 5 from keras.layers import Conv2D, MaxPooling2D
 6 from keras import backend as K
 7 # 引入Tensorboard
 8 from keras.callbacks import TensorBoard
 9 from keras.utils import plot_model
10 
11 (x_train,y_train),(x_test,y_test) = mnist.load_data() # out: np.ndarray
12 
13 x_train = x_train.reshape(-1,28,28,1)
14 x_test = x_test.reshape(-1,28,28,1)
15 input_shape = (28,28,1)
16 
17 x_train = x_train/255
18 x_test = x_test/255
19 y_train = keras.utils.to_categorical(y_train,10)
20 y_test = keras.utils.to_categorical(y_test,10)
21 
22 model = Sequential()
23 model.add(Conv2D(filters = 32,kernel_size=(3,3),
24                  activation='relu',input_shape = input_shape,name='conv1'))
25 model.add(Conv2D(64,(3,3),activation='relu',name='conv2'))
26 model.add(MaxPooling2D(pool_size=(2,2),name='pool2'))
27 model.add(Dropout(0.25,name='dropout1'))
28 model.add(Flatten(name='flat1'))
29 model.add(Dense(128,activation='relu'))
30 model.add(Dropout(0.5,name='dropout2'))
31 model.add(Dense(10,activation='softmax',name='output'))
32 
33 plot_model(model,to_file='model.png')
34 
35 model.compile(loss = keras.losses.categorical_crossentropy,
36              optimizer = keras.optimizers.Adadelta(),
37              metrics=['accuracy'])
38 
39 #调出要可视化的内容
40 tb = TensorBoard(log_dir='./logs',  # log 目录
41                  histogram_freq=1,  # 按照何等频率（epoch）来计算直方图，0为不计算
42                  batch_size=32,     # 用多大量的数据计算直方图
43                  write_graph=True,  # 是否存储网络结构图
44                  write_grads=False, # 是否可视化梯度直方图
45                  write_images=False,# 是否可视化参数
46                  embeddings_freq=0, 
47                  embeddings_layer_names=None, 
48                  embeddings_metadata=None)
49 
50 #放进列表
51 callbacks = [tb]
52 
53 model.fit(x_train,y_train,batch_size=64,epochs=2
54           ,verbose=1,validation_data=(x_test,y_test),
55           callbacks=callbacks)

在运行完上述代码之后在后端进入代码所在目录，并输入tensorboard --logdir = 'logs'

通常会返回如下地址：

http://username.loacl:6006

扫描二维码关注公众号，回复： 4739311 查看本文章

表明可视化结果已经返回到本地主机：6006 ，所以直接在浏览器地址栏里输入127.0.0.1:6006即可查看可视化结果

参数目录

可以分别点开查看

tensorboard 参数可视化

猜你喜欢