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