Tensorboard可视化

利用tensorboard将loss,accuracy进行可视化，建立的模型也可以看到，有利于模型的调试（也可以将自定义的学习率等加进去，水平有限，这里只做了简单的介绍）

利用tensorflow中自带的数据为例，可直接下载

import tensorflow as tf
import os
from datetime import datetime#下载数据集
(train_image,train_labels),(test_image,test_labels) = tf.keras.datasets.mnist.load_data()
train_image = tf.cast(train_image/255,tf.float32)       ##转化数据类型
test_image = tf.cast(test_image/255,tf.float32)
train_labels = tf.cast(train_labels,tf.int64)
test_labels = tf.cast(test_labels,tf.int64)
##改变维度
train_image = tf.expand_dims(train_image,-1)
test_image = tf.expand_dims(test_image,-1)
#创建dataset
dataset = tf.data.Dataset.from_tensor_slices((train_image,train_labels))
test_dataset = tf.data.Dataset.from_tensor_slices((test_image,test_labels))
dataset = dataset.repeat().shuffle(10000).batch(64)
test_dataset = test_dataset.repeat().batch(64)#模型构建
model = tf.keras.Sequential([tf.keras.layers.Conv2D(16,[3,3], activation='relu',input_shape = (None,None,1)),tf.keras.layers.Conv2D(32,[3,3], activation='relu'),tf.keras.layers.GlobalMaxPooling2D(),tf.keras.layers.Dense(10)
])
model.compile(optimizer='adam',loss='sparse_categorical_crossentropy',metrics=['acc'])##定义回调函数
log_dir = os.path.join('填你的目录',datetime.now().strftime('%Y%m%d%-%H%M%S'))        ##加入时间戳，以显示变化
tensorboard_callback = tf.keras.callbacks.TensorBoard(log_dir,histogram_freq=1)##模型训练
model.fit(dataset,epochs=15,steps_per_epoch=60000//64,validation_data=test_dataset,validation_steps=10000//64,callbacks=[tensorboard_callback])%reload_ext tensorboard
%matplotlib inline                ##tensorboard显示在当前运行框内，也可以利用cmd在网页上打开
%tensorboard --logdir /content    #--logdir后加自己的目录

Tensorboard可视化相关推荐

TensorFlow（2）图（默认图与自定义图） TensorBoard可视化
目录一.图 1.默认图 1.调用方法查看默认图属性 2..graph查看图属性代码 2.自定义图(创建图) 1.创建自定义图 2.创建静态图 3.开启会话(运行) 4.查看自定义图代码二.Te ...
TensorFlow之图结构与TensorBoard可视化
TensorFlow之图结构与TensorBoard可视化 1.1 什么是图结构图包含了一组tf.Operation代表的计算单元对象和tf.Tensor代表的计算单元之间流动的数据. 1.2 图相 ...
keras和tensorflow使用 keras.callbacks.TensorBoard 可视化数据
此文首发于我的个人博客:keras和tensorflow使用 keras.callbacks.TensorBoard 可视化数据 - zhang0peter的个人博客 TensorBoard 是一个非 ...
PyTorch中如何使用tensorboard可视化
PyTorch中如何使用tensorboard可视化调用代码: from logger
【深度学习】Tensorboard可视化模型训练过程和Colab使用
[深度学习]Tensorboard可视化模型训练过程和Colab使用文章目录 1 概述 2 手撸代码实现 3 Colab使用3.1 详细步骤3.2 Demo 4 总结 1 概述在利用TensorF ...
TF之CNN：基于CIFAR-10数据集训练、检测CNN(2+2)模型(TensorBoard可视化)
TF之CNN:基于CIFAR-10数据集训练.检测CNN(2+2)模型(TensorBoard可视化) 目录 1.基于CIFAR-10数据集训练CNN(2+2)模型代码 2.检测CNN(2+2)模型 ...
TF之LSTM：利用基于顺序的LSTM回归算法对DIY数据集sin曲线(蓝虚)预测cos(红实)(TensorBoard可视化)
TF之LSTM:利用基于顺序的LSTM回归算法对DIY数据集sin曲线(蓝虚)预测cos(红实)(TensorBoard可视化) 目录输出结果代码设计输出结果代码设计 import tenso ...
TF之DNN：对DNN神经网络进行Tensorboard可视化(得到events.out.tfevents本地服务器输出到网页可视化）
TF之DNN:对DNN神经网络进行Tensorboard可视化(得到events.out.tfevents本地服务器输出到网页可视化) 目录输出结果代码设计输出结果代码设计 import te ...
TF学习——TF之Tensorboard：Tensorflow之Tensorboard可视化简介、入门、使用方法之详细攻略
TF学习--TF之Tensorboard:Tensorflow之Tensorboard可视化简介.入门.使用方法之详细攻略目录 Tensorboard简介 Tensorboard各个板块入门 Ten ...
Tensorboard—使用keras结合Tensorboard可视化
1. keras如何使用tensorboard keras使用tensorboard是通过回调函数来实现的,关于什么是keras的"回调函数",这里就不再赘述了,所以Tensorb ...

Tensorboard可视化

Tensorboard可视化相关推荐

最新文章

热门文章