直接使用代码展示
log_dir = os.path.join('logs',datetime.datetime.now().strftime("%Y%d%d-%H%M%S"))
tensorboard = tf.keras.callbacks.TensorBoard(log_dir,histogram_freq=1)
# histogram_freq记录直方图的频率
file_writer = tf.summary.create_file_writer(log_dir + '/lr') # 文件编写器
file_writer.set_as_default()# 设置默认编写器
def lr_sche(epoch): # 控制学习速率的函数
learning_rate = 0.02
if epoch>2:
learning_rate = 0.01
if epoch > 4:
learning_rate = 0.005
if epoch>5:
learning_rate = 0.001
tf.summary.scalar("learning_rate",data=learning_rate,step=epoch)
return learning_rate
lr_callback = tf.keras.callbacks.LearningRateScheduler(lr_sche) # 把函数当做参数
model.fit(dataset,epochs=6,steps_per_epoch=60000/128,validation_data=dataset_test,validation_steps=10000/128,
callbacks=[tensorboard,lr_callback])
查看
cmd到你的目录文件
执行 tensorboard --logdir logs(这是你保存可视化文件的目录)
然后根据给你的地址 在浏览器中打开即可