【Keras】使用TensorBoard实现训练可视化

Keras中使用TensorBoard实现训练可视化

1、主要分四步：

（1）、导入TensorBoard

# 导入Tensorboard
from keras.callbacks import TensorBoard

（2）、写回调函数
这里需要说明一下logs是自己新建的一个文件夹，windows的话就不说了，linux的话用mkdir命令。下面的log_dir项是自己logs文件夹的路径。

tensorboard = TensorBoard(log_dir='./logs', histogram_freq=1, embeddings_freq=1)

（3）、使用回调函数进行训练

model.fit(...inputs and parameters..., callbacks=[tensorboard ])

（4）、使用TensorBoard查看训练过程
首先，在terminal终端输入tensorboard --logdir ./logs，
如果用的是pycharm这种IDE的话，这个terminal终端的位置默认在左下角：

注意这还没说完，要想显示出来还需要：在浏览器中访问http://localhost:6006。至此如果没有问题的话，应该是可以显示的。

2、训练的时候使用多个回调函数

可以这样做：

from keras.callbacks import ModelCheckpoint, TensorBoard
checkpoint = ModelCheckpoint(...) # 回调函数1
tensorboard = TensorBoard(log_dir='./logs', histogram_freq=1, embeddings_freq=1) # 回调函数2

model.fit(...inputs and parameters..., callbacks=[checkpoint , tensorboard ]) # 将回调函数列表传入

3、可参考资料

（1）Python深度学习（keras）书中的部分叙述和例子：

（2）可参考博客：keras+TensorBoard实现训练可视化