keras学习之：如何使用 tensorboard 来完成训练过程的实时监测和调整

1. 搭建网络

• 使用简单的 CNN 网络

import keras,os
from keras.models import Sequential
from keras.layers import Dense, Conv2D, MaxPool2D, Flatten, Dropout
import numpy as np
from keras.models import Model

os.environ["CUDA_VISIBLE_DEVICES"] = "0"

def cnn():
    model = Sequential()
    model.add(Conv2D(input_shape=(28,28,1),filters=16,kernel_size=(3,3),padding='same',activation='relu',name='cov1')) 
    model.add(Conv2D(filters=32,kernel_size=(3,3),padding='same',activation='relu',name='cov2'))
    model.add(Conv2D(filters=64,kernel_size=(3,3),padding='same',activation='relu',name='cov3'))
    model.add(MaxPool2D(name='pool1'))
    model.add(Dropout(rate=0.3,name='drop1'))
    model.add(Conv2D(filters=128,kernel_size=(3,3),padding='same',activation='relu',name='cov4'))
    model.add(Conv2D(filters=256,kernel_size=(3,3),padding='same',activation='relu',name='cov5'))
    model.add(MaxPool2D(name='pool2'))
    model.add(Dropout(rate=0.3,name='drop2'))
    model.add(Flatten(name='flatten'))
    model.add(Dense(784,activation='relu',name='teacher_feature'))
    model.add(Dense(10,activation='softmax',name='softmax'))
    return model

2. 加载数据集

from keras.datasets import fashion_mnist,cifar10,cifar100
from keras.datasets import mnist
from keras.utils import to_categorical
import keras.optimizers
from keras.losses import categorical_crossentropy

(x_train,y_train),(x_test,y_test)= fashion_mnist.load_data()

x_train = x_train.reshape(60000,28,28,1)
x_test = x_test.reshape(10000,28,28,1)

y_train = to_categorical(y_train)
y_test = to_categorical(y_test)

3. 训练网络时，调用 Tensorboard

model = cnn()
opt = keras.optimizers.Adam(learning_rate=0.001)
callback = keras.callbacks.TensorBoard('./logs')
model.compile(optimizer=opt,metrics=['accuracy'],loss=keras.losses.categorical_crossentropy)
history = model.fit(x_train,y_train,batch_size=64,epochs=1,validation_data=(x_test,y_test),shuffle=True,callbacks=[callback])
print(model.summary())

• 第3行，在 keras.callbacks 可以找到 Tensorboard，

• './logs' 是你存放训练过程的日志地址，这里自行设定，如果当前文件夹不存在，程序会按照你指定的名称来生成一个文件夹

• 开始训练之后，你训练的过程数据会源源不断地写入 log 文件夹，那么如何实时监控训练情况呢？

• 当然是需要先通过终端打开 tensorboard 的端口，操作如下：
  

  • ① 激活虚拟环境（我的 tensorboard 装在这个环境里面）
  • ② 进入存放 log 文件的文件夹（不要进入 log 文件夹）
  • ③ tensorboard --logdir xxxx （xxx是你自己存放日志文件的文件夹名称）
  • 在最后一步容易出现一个错误：
    Not a TBLoader or TBPlugin subclass
  • 这个问题很好解决，只需要 pip uninstall tensorboard-plugin-wit
    

• 卸载完毕之后重复上面的最后一步，再次尝试打开 tensorboard，这样你的 tensorboard 就打开成功了，那么如何在我们的电脑上显示出如下美丽而又令人激动的界面呢？
  

  • 如果你使用的是 本机 操作，那么就打开浏览器在浏览器的搜索框中键入：

    localhost:6006
    

  • 如果你使用的是 远程的服务器，那么就在浏览器的搜索框中输入：

    [服务器的ip地址]:6006
    

  • 例如：

    172.18.xxx.xxx:6006
    

    
    就成功啦！！！