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 ...
最新文章
- mysqldiff对比主从表结构是否一致
- Centos8 yum 阿里源配置
- RT-Thread 学习笔记(五)—— RTGUI代码解读
- 无服务器计算的黑暗面:程序移植没那么容易
- java用一张一元票换一分,java测试试卷一
- 下图为双总线结构机器的数据通路_PDPS机器人虚拟调试 弧焊仿真 第一课 弧焊项目创建...
- SAP Cloud for Customer前端url里的一长串base64code是在哪里根据什么逻辑计算的
- mysql重命名数据表称方式_在MySQL中,使用()重命名数据表。_学小易找答案
- 信号与系统matlab课设报告,MATLAB信号与系统实验报告
- linux每隔多久调度y,Linux 进程调度+Linux系统一般执行过程 笔记
- EditorUtility.SetDirty 设置已改变
- 【每日一具18】基于HTTP协议的局域网文件共享软件
- python短时傅里叶变换_Python scipy 计算短时傅里叶变换(Short-time Fourier transforms)...
- 新颖的自我介绍_三句有创意的自我介绍
- 黑苹果系统--Parallels Desktop虚拟机使用
- 电脑怎么设置开机密码?简单几步给你的电脑“上锁”
- E0 S0 SVL接口配置
- Access denied for user 'root'@'localhos
- 高德地图api的使用
- Dynamo 如何生成管道