tensorboard是TensorFlow自带的可视化工具,主要有
Scalars、graphs、distributions、histograms、Timer Series几个部分
scalars中含有训练过程中的学习率、损失、精确率随迭代次数变化曲线,并且可以把数据下载成csv文件形式
graphs中是训练过程的计算图,如下所示,包含了所用优化器、损失计算等过程
distributions、histograms是训练过程中模型权重的分布情况和分布直方图
总的来说scalars可以帮助我们记录模型训练过程的识别率等随迭代次数的变化情况,可以判断模型收敛情况。而graphs、distributions、histograms只能大概反映模型的一些信息,并没有多大实际意义。
tensorboard具体操作
最简单的方法是使用keras框架下compile、fit、evaluate的tensorboard可视化,步骤相对简单
(1)定义tensorboard类
tensorboard = tf.keras.callbacks.TensorBoard(histogram_freq=1)
(2)在fit函数中加入callbacks
model.fit(dataset,epochs=num_epoch,callbacks=[tensorboard])
即可自动在logs/train目录下生成日志文件
(3)在cmd命令框中激活anaconda环境(安装TensorFlow2的那个)输入
tensorboard --logdir=G:\appx64\py\PythonApplication2\PythonApplication2\logs\train
前面为路径
(4)在浏览中转到http://localhost:6006/即可打开