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Tensorboard也是定义在keras.callbacks模块中的,通过构造一个Tensorboard类的对象,然后在训练的时候在fit里面指定callbacks参数即可,keras使用的一般格式为:
# 构造一个Tensorboard类的对象
tbCallBack = TensorBoard(log_dir="./model",update_freq='batch', histogram_freq=0,write_graph=True, write_images=True,...)# 在fit 里面指定callbacks参数
history=model.fit(x_train, y_train, batch_size=batch_size, epochs=epochs, verbose=2, validation_split=0.2,callbacks=[tbCallBack])
2. Tensorboard类详解
该类在keras.callbacks模块中。它的参数列表如下:
- log_dir: 用来保存被 TensorBoard 分析的日志文件的文件名。
- 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(训练轮数中)。 如果设置成 0 ,直方图不会被计算。对于直方图可视化的验证数据(或分离数据)一定要明确的指出。
- write_graph: 是否在 TensorBoard 中可视化图像。 如果 write_graph 被设置为 True。
- write_grads: 是否在 TensorBoard 中可视化梯度值直方图。 histogram_freq 必须要大于 0 。
- 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,如果设置为True,日志文件会变得非常大。
- embeddings_freq: 被选中的嵌入层会被保存的频率(在训练轮中)。
- embeddings_layer_names: 一个列表,会被监测层的名字。 如果是 None 或空列表,那么所有的嵌入层都会被监测。
- embeddings_metadata: 一个字典,对应层的名字到保存有这个嵌入层元数据文件的名字。 查看 详情 关于元数据的数据格式。 以防同样的元数据被用于所用的嵌入层,字符串可以被传入。
- embeddings_data: 要嵌入在 embeddings_layer_names 指定的层的数据。 Numpy 数组(如果模型有单个输入)或 Numpy 数组列表(如果模型有多个输入)。 Learn ore about embeddings。
- update_freq: 'batch' 或 '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;同样的情况应用到 'epoch' 中;如果使用整数,例如 10000,这个回调会在每 10000 个样本之后将损失和评估值写入到 TensorBoard 中。注意,频繁地写入到 TensorBoard 会减缓你的训练。
3. 打开TensorBoard方式
Terminal中输入:tensorboard --logdir=G:\python\Machine_learning\yangzhou\LSTM_window\logs
4. 用tensorboard显示损失函数的值曲线图,为何会有颜色深浅两条线
深色线:平滑之后
浅色线:真实曲线
tensorboard左边有一个平滑度数选择,默认是0.6,调节之后曲线就会发生变化,原来颜色浅的才是真实曲线,但真实曲线往往不好看,所以加入了平滑产生了颜色深的线。
5. 其他解释参考文章
Tensorboard深入详解(一)——使用keras结合Tensorboard可视化神经网络详细教程
Tensorboard—使用keras结合Tensorboard可视化相关推荐
- 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 ...
- 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 ...
- 基于变分自动编码器(Variational Autoencoders)疾病预测系统实战:(Keras实现并可视化训练和验证误差、最后给出topK准确率和召回率)
基于变分自动编码器(Variational Autoencoders)疾病预测系统实战:(Keras实现并可视化训练和验证误差.最后给出topK准确率和召回率) 本文中使用的VAE算法以病人病史为输入 ...
- 基于变分自动编码器(Variational Autoencoders)进行推荐系统的实施、Keras实现并可视化训练和验证误差、最后给出topK准确率和召回率
基于变分自动编码器(Variational Autoencoders)进行推荐系统的实施.Keras实现并可视化训练和验证误差.最后给出topK准确率和召回率 本著作改编自Dawen等人用于协同过滤目 ...
- 使用Keras训练历史可视化(含踩雷)
Keras训练历史可视化 Keras训练历史可视化示例代码 注意 Keras训练历史可视化示例代码 import matplotlib.pyplot as plthistory = model.fit ...
- 【机器学习】 - Keras学习 - TensorBoard模块 - 可视化模型训练过程神器
运行环境:Win10 + anaconda3. TensorFlow版本:'2.0.0' import numpy as np import tensorflow as tf import tenso ...
- Tensorboard学习——mnist_with_summaries.py ---- TensorFlow可视化
mnist_with_summaries.py如下: # Copyright 2015 Google Inc. All Rights Reserved. # # Licensed under the ...
- PyTorch tensorboard报错:TensorBoard logging requires TensorBoard version 1.15 or above
再写一个强化学习的项目,想增加tensorboard来可视化一下训练过程,但是代码写完之后跑起来却报错:TensorBoard logging requires TensorBoard version ...
- Pytorch使用Tensorboard记录loss曲线 (Tensorboard学习二)
关于Tensorboard的基本使用方法可以参考:Pytorch 配置 Tensorboard 可视化学习(一) 对于一个基本模型: import torch import torch.nn as n ...
最新文章
- mysql 字段加减_MySQL中你必须了解的函数
- 它是谁?一个比 c3p0 快200倍的数据库连接池!
- AI 开发指南:机器学习产品是什么?
- Digital Image Processing 学习笔记3
- NodeJs基础之字节操作、路径操作和文本操作
- 聊聊flink的Execution Plan Visualization
- 模拟滤波器的单位冲激响应+单位阶跃响应+斜坡响应+抛物线响应matlab实现(转载+整理)
- 学plc好还是python好_PLC是学西门子的好还是学三菱的?
- 【Python CheckiO 题解】Correct Sentence
- CoreData之增删改查
- 通过命令行创建MAVEN多模块项目
- 类的说明补充,对象的学习
- csgo删除服务器地图在哪个文件夹,CSGO de_cache地图
- 湖南大学ACM程序设计新生杯大赛(同步赛)L-Liao Han【打表规律+二分】
- 基于ubuntu18.04搭建双线adsl路由器和私有云服务器(samba、ftp和http)
- 在VMWare虚拟机上安装Kali linux系统的完整过程(图文)
- 详解 GloVe 的原理和应用
- STM32469iDiscovery + LVGL 窗帘现象
- AppStore 技术服务支持
- 物体追踪实战:使用 OpenCV实现对指定颜色的物体追踪
热门文章
- 鼠标划过表格行变色效果JS
- 【Scratch】青少年蓝桥杯_每日一题_7.09_加减大师
- 【Python】青少年蓝桥杯_每日一题_11.19_围圈报数
- Android --- Session ‘app’: Error Launching activity解决办法
- spring 学习—spring 的ioc底层原理(02)
- vue后端框架mysql_springboot + vue 前后端结合·数据库查询
- git推送密码_保护代码完整性(六):在 Git 上使用 PGP
- redis 启动_Redis介绍amp;安装amp;启动
- android5.0以后获取应用运行状态,Android判断App前台运行还是后台运行(运行状态)...
- c mysql转sqlite_SqliteToMysql