tensorboard参数介绍
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。
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。
示例代码
示例代码如下,不过值得注意的是,博主下面使用的是生成器来训练,如果是生成器训练那么histogram_freq就要=0就不可用,如果是1的话就只能是fit,而不是fitgenerator。
Tensorboard= TensorBoard(log_dir="catdog_model", histogram_freq=0, write_grads=True)
完整代码见博主上篇博文,此处为卷积网络中实现tensorboard的代码。
model.fit_generator(generate_arrays_from_file(all_path[:num_train], batch_size),
steps_per_epoch=max(1, num_train//batch_size),
validation_data=generate_arrays_from_file(all_path[num_train:], batch_size),
validation_steps=max(1, num_val//batch_size),
epochs=150,
initial_epoch=0,
callbacks=[checkpoint_period1, reduce_lr, Tensorboard])
注意要在callback里面以列表形式写入。
命令行调用tensorboard
最后打开你的cmd进入到环境和日志文件的目录下。例如:
输入使用tensorboard的命令。
下面的网址就是我们查看的地方。
解决报错
但是可能小伙伴会出现和我一样这种情况。
在输入命令是,把用户名改成127.0.0.1
效果图
这样输入网址就能够看到效果。
如果大家不是用生成器的话,仅仅只是fit全部数据那么可以将histogram_freq=0改成1,这样有更好看的图片,如
大家快去试试吧。