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!!!
-