1. Tensorboard系数说明

该类在存放在keras.callbacks模块中。拥有许多参数，主要的参数如下：

log_dir: 用来保存Tensorboard的日志文件等内容的位置
histogram_freq: 对于模型中各个层计算激活值和模型权重直方图的频率。
write_graph: 是否在 TensorBoard 中可视化图像。
write_grads: 是否在 TensorBoard 中可视化梯度值直方图。
batch_size: 用以直方图计算的传入神经元网络输入批的大小。
write_images: 是否在 TensorBoard中将模型权重以图片可视化。
update_freq: 常用的三个值为’batch’ 、 ‘epoch’ 或整数。当使用 ‘batch’ 时，在每个 batch
之后将损失和评估值写入到 TensorBoard 中。 ‘epoch’ 类似。如果使用整数，会在每一定个样本之后将损失和评估值写入到

默认值如下：

 log_dir='logs',histogram_freq=0,write_graph=True,write_images=False,update_freq='epoch',profile_batch=2,embeddings_freq=0,embeddings_metadata=None,

2 实践

以手写体为例子，我们打开histogram_freq和write_grads，也就是在Tensorboard中保存权值直方图和梯度直方图。
打开CMD，利用tensorboard --logdir=logs生成tensorboard观测网页。

2.0 Graph 图

2.1 loss和acc in Scalars

2.2 权值直方图 in distributions

两层卷积层(conv2d_1, cov2d)，每层都有偏置（bias_0）和核函数（kernel_0）

两层全连接层(dense_1, dense)，每层都有偏置（bias_0）和核函数（kernel_0）

2.3 梯度直方图 in histogram

两层卷积层(conv2d_1, cov2d)，每层都有偏置（bias_0）和核函数（kernel_0）

两层全连接层(dense_1, dense)，每层都有偏置（bias_0）和核函数（kernel_0）

2.4 代码

import numpy as np
import tensorflow.keras as kerasif __name__=="__main__":(x_train,y_train),(x_test,y_test) = keras.datasets.mnist.load_data()x_train=np.expand_dims(x_train,axis=-1)x_test=np.expand_dims(x_test,axis=-1)y_train=keras.utils.to_categorical(y_train,num_classes=10)y_test=keras.utils.to_categorical(y_test,num_classes=10)batch_size=128epochs=10inputs = keras.layers.Input([28,28,1])x = keras.layers.Conv2D(32, (5,5), activation='relu')(inputs)x = keras.layers.Conv2D(64, (5,5), activation='relu')(x)x = keras.layers.MaxPool2D(pool_size=(2,2))(x)x = keras.layers.Flatten()(x)x = keras.layers.Dense(128, activation='relu')(x)x = keras.layers.Dropout(0.5)(x)x = keras.layers.Dense(10, activation='softmax')(x)model = keras.models.Model(inputs,x)model.compile(loss='categorical_crossentropy', optimizer="adam",metrics=['acc'])tensorboard= keras.callbacks.TensorBoard(log_dir="logs", histogram_freq=1,write_grads=True)history=model.fit(x_train, y_train, batch_size=batch_size, epochs=epochs, shuffle=True, validation_split=0.2,callbacks=[tensorboard])

TF2 keras Tensoboard学习总结相关推荐

怎么装python的keras库_matlab调用keras深度学习模型（环境搭建）
matlab没有直接调用tensorflow模型的接口,但是有调用keras模型的接口,而keras又是tensorflow的高级封装版本,所以就研究一下这个--可以将model-based方法和le ...
DL之Keras： Keras深度学习框架的注意事项(默认下载存放路径等)、使用方法之详细攻略
DL之Keras: Keras深度学习框架的注意事项(自动下载存放路径等).使用方法之详细攻略目录 Keras深度学习框架的注意事项 1.Keras自动下载默认数据集/模型存放位置 Windows系 ...
深度学习者的入门福利-Keras深度学习笔记
Keras深度学习笔记最近本人在github上发现一个不错的资源,是利用keras来学习深度学习的笔记,笔记内容充实,数据完善,本人亲自实操了里面的所有例子,深感收获颇丰,今天特意推荐给大家,希望能 ...
[Python人工智能] 三十.Keras深度学习构建CNN识别阿拉伯手写文字图像
从本专栏开始,作者正式研究Python深度学习.神经网络及人工智能相关知识.前一篇文章分享了生成对抗网络GAN的基础知识,包括什么是GAN.常用算法(CGAN.DCGAN.infoGAN.WGAN). ...
Keras 深度学习框架中文文档
2019独角兽企业重金招聘Python工程师标准>>> Keras深度学习框架中文文档 Keras官网:http://keras.io/ Github项目:https://githu ...
为什么将表格的method改为post后就无法工作_用Python将Keras深度学习模型部署为Web应用程序...
构建一个很棒的机器学习项目是一回事,但归根结底,你希望其他人能够看到你的辛勤工作.当然,你可以将整个项目放在GitHub上,但是怎么让你的祖父母也看到呢?我们想要的是将深度学习模型部署为世界上任何人都 ...
在Ubuntu上安装Keras深度学习框架
目录 1)安装pip 2)安装Python科学套件 3)安装TensorFlow 4)安装keras 5)安装Jupyter Notebook 6)运行Keras 本文介绍如何在Ubuntu上安装Ke ...
万字总结Keras深度学习中文文本分类
摘要:文章将详细讲解Keras实现经典的深度学习文本分类算法,包括LSTM.BiLSTM.BiLSTM+Attention和CNN.TextCNN. 本文分享自华为云社区<Keras深度学习中文 ...
Keras深度学习实战（4）——深度学习中常用激活函数和损失函数详解
Keras深度学习实战(4)--深度学习中常用激活函数和损失函数详解常用激活函数 Sigmoid 激活函数 Tanh 激活函数 ReLU 激活函数线性激活函数 Softmax 激活函数损失函数 ...

TF2 keras Tensoboard学习总结