Tensorboard是一种可视化的工具,功能非常非常多,实现起来也非常非常简单,可以帮助我们查看
- 模型训练的进度,比如loss和acc(分类网络中使用,目标检测中只看loss)
- 权值直方图
- 梯度直方图
- 整个模型的结构
具体做法:
1.在回调函数的库里面导入tensorboard
from keras.callbacks import TensorBoard
2.在训练模型之前创建一个TensorBoard,这些TensorBoard需要指定一些参数,在训练的时候在fit里面指定callbacks参数即可:
Tensorboard= TensorBoard(log_dir="./model", histogram_freq=1,write_grads=True)
history=model.fit·····
常用的参数有7个:
- 1、log_dir: 用来保存Tensorboard的日志文件等内容的位置
- 2、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。
- 3、write_graph: 是否在 TensorBoard 中可视化图像(是否要把模型的图画出来)。
- 4、write_grads: 是否在 TensorBoard 中可视化梯度值直方图。
- 5、batch_size: 用以直方图计算的传入神经元网络输入批的大小。
- 6、write_images: 是否在 TensorBoard中将模型权重以图片可视化。
- 7、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
TensorBoard 中。
展示
-
定位到model文件保存的位置
-
打开cmd终端,cd到model文件的上一级目录
-
在model文件夹的上一级目录中执行下面的命令:tensorboard --logdir=./model,回车自动加载网址
-
复制网址,在火狐、谷歌浏览器中即可打开可视化界面