1.安装
首先要安装tensorflow2.4
pip install tensorboard
pip install tensorboardX
Tensorboard其实是TensorFlow♂ 的一个附加工具,而TensorboardX 这个工具使得 TensorFlow 外的其他神经网络框架也可以使用到 Tensorboard 的便捷功能,如pytorch;安装的版本不用管,会自动安装最近的版本,本设备pytorch环境安装情况如下:
2.代码案例
import numpy as np
from keras.layers import Input, Dense, Dropout, Activation,Conv2D,MaxPool2D,Flatten
from keras.datasets import mnist
from keras.models import Model
from tensorflow.keras.utils import to_categorical
#导入tensorboard包
from keras.callbacks import TensorBoard
if __name__=="__main__":
#1.导入和划分数据集
(x_train,y_train),(x_test,y_test) = mnist.load_data()
x_train=np.expand_dims(x_train,axis=-1)
x_test=np.expand_dims(x_test,axis=-1)
y_train=to_categorical(y_train,num_classes=10)
y_test=to_categorical(y_test,num_classes=10)
batch_size=128
epochs=3
#2.使用函数式API创建模型
inputs = Input([28,28,1])
x = Conv2D(32, (5,5), activation='relu')(inputs)
x = Conv2D(64, (5,5), activation='relu')(x)
x = MaxPool2D(pool_size=(2,2))(x)
x = Flatten()(x)
x = Dense(128, activation='relu')(x)
x = Dropout(0.5)(x)
x = Dense(10, activation='softmax')(x)
model = Model(inputs,x)
model.compile(loss='categorical_crossentropy', optimizer="adam",metrics=['acc'])
#3.创建tensorboard对象
Tensorboard= TensorBoard(log_dir=r"C:\Users\hanhan\Desktop\test", histogram_freq=1,write_grads=True)
#4.将tensorboard对象放入callbacks函数内,训练模型
history=model.fit(x_train, y_train, batch_size=batch_size, epochs=epochs, shuffle=True, validation_split=0.2,callbacks=[Tensorboard])
TensorBoard参数
参数 | 含义 |
---|---|
log_dir | 用来保存Tensorboard的日志文件等内容的位置,我们可以在这里写我们存放的地址 |
histogram_freq | 计算各个层在中模型的激活值和模型权重直方图的频率。 |
write_graph | 是否在 TensorBoard 中可视化图像。设置为True |
write_grads | 是否在 TensorBoard 中可视化梯度值直方图。设置为True |
batch_size | 用以直方图计算的传入神经元网络输入批的大小。 |
write_images | 是否在 TensorBoard中将模型权重以图片可视化。 |
update_freq | 常用的三个值为’batch’ 、 ‘epoch’ 或 整数。当使用 ‘batch’ 时,在每个 batch 之后将损失和评估值写入到 TensorBoard 中。 ‘epoch’ 类似。如果使用整数,会在每一定个样本之后将损失和评估值写入到 TensorBoard 中。 |
#tensorboard默认值如下
log_dir='./logs', # 默认保存在当前文件夹下的logs文件夹之下
histogram_freq=0,
batch_size=32,
write_graph=True, #默认是True,默认是显示graph的。
write_grads=False,
write_images=False,
update_freq='epoch'
3.使用Tensorboard
第一步:进入我们tensorboard里面的指定的路劲文件,然后输入cmd
第二步:进入我们指定的环境,就是我们模型训练的虚拟环境–
conda activate 环境名
第三步:输入命令:
tensorboard --logdir="C:\Users\hanhan\Desktop\test
"#后面要输入我们文件的具体路径,注意要用字符串
s