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