Tensorboard最详细的启动教程【适合小白】

本文以 Mnist手写数字数据集为训练和测试用，同时全部使用 tensorboard默认参数，降低理解门槛。

软件版本：
PyCharm Community Edition 2020.3.2 x64
Anaconda 3
TensorFlow 2.2

一、导入包

import tensorflow as tf

二、下载Mnist数据

mnist = tf.keras.datasets.mnist
(x_train, y_train), (x_test, y_test) = mnist.load_data()
x_train, x_test = x_train / 255.0, x_test / 255.0

三、定义神经网络模型model

def create_model():
    return tf.keras.models.Sequential([                      # 在Sequential中搭建各种网络层
        tf.keras.layers.Flatten(input_shape=(28, 28)),       # 使用Flatten打平数据
        tf.keras.layers.Dense(512, activation='relu'),       # 建立第一个全连接层，神经元数量512个，激活函数relu
        tf.keras.layers.Dropout(0.2),                        # 采用Dropout防止过拟合，丢弃率为0.2
        tf.keras.layers.Dense(10, activation='softmax')      # 建立第二个全连接层，神经元数量10个(代表10分类),激活函数softmax
    ])

四、编译模型

model = create_model()
model.compile(optimizer='adam',                             # 优化器optimizer选用adam
              loss='sparse_categorical_crossentropy',       # 损失函数loss选用sparse_categorical_crossentropy
              metrics=['accuracy'])                         # 评价选用accuracy

五、设置Tensorboard

1. 定义Tensorboard调用的地址，.logs/代表模型训练之后生成的文件放到.logs文件夹(若无，自动创建)，.logs文件夹与本python代码文件在同一文件下

2. .logs是用来保存被Tensorboard分析的日志文件的文件夹地址

3. 定义tb_callback，调用的函数是tf.keras.callbacks.TensorBoard，log_dir参数代表Tensorboard所分析日志文件的地址

log_dir = '.logs/'
tb_callback = tf.keras.callbacks.TensorBoard(log_dir=log_dir)

4. 运行整个程序前（我的python代码文件的地址：D:\PyCharm\TF2.2_project\test），文件夹中没有.logs文件，如图所示。

5. 完整程序运行之后，会自动生成.logs文件夹，里面包括模型相关的信息，用于Tensorboard分析

五、训练模型（在pycharm中运行完整程序）

model.fit(x=x_train,
          y=y_train,
          epochs=10,                                  # 迭代次数10
          validation_data=(x_test, y_test),
          callbacks=[tb_callback])                    # 回调函数调用上面定义好的tb_callback，通过回调函数调用tensorboard

六、启动Tensorboard

1. 打开Anaconda Prompt(Anaconda)

2. 输入tensorboard --logdir=D:\PyCharm\TF2.2_project\test.logs，其中logdir=后面的内容是上述新生成的.logs文件的地址，点击回车出现地址：http://localhost:6006/

tips:若出现报错，点此查看解决方案

3. 复制地址，通过谷歌浏览器打开，即可进入Tensorboard

七、完整代码

"""  安装Anaconda的时候，一般情况下Tensorboard会自动安装，所以建议安装Anaconda  """
# 一、 导入包
import tensorflow as tf

# 二、 下载mnist数据集
mnist = tf.keras.datasets.mnist
(x_train, y_train), (x_test, y_test) = mnist.load_data()
x_train, x_test = x_train / 255.0, x_test / 255.0

# 三、 定义神经网络模型model
def create_model():
    return tf.keras.models.Sequential([                      # 在Sequential中搭建各种网络层
        tf.keras.layers.Flatten(input_shape=(28, 28)),       # 使用Flatten打平数据
        tf.keras.layers.Dense(512, activation='relu'),       # 建立第一个全连接层，神经元数量512个，激活函数relu
        tf.keras.layers.Dropout(0.2),                        # 采用Dropout防止过拟合，丢弃率为0.2
        tf.keras.layers.Dense(10, activation='softmax')      # 建立第二个全连接层，神经元数量10个(代表10分类),激活函数softmax
    ])

# 四、 编译模型
model = create_model()
model.compile(optimizer='adam',                             # 优化器optimizer选用adam
              loss='sparse_categorical_crossentropy',       # 损失函数loss选用sparse_categorical_crossentropy
              metrics=['accuracy'])                         # 评价选用accuracy


""" _____设置Tensorboard_____  """
# 定义Tensorboard调用的地址，.logs/代表模型训练之后生成的文件放到.logs文件夹(若无，自动创建)，.logs文件夹与本python代码文件在同一文件下
# .logs是用来保存被Tensorboard分析的日志文件的文件夹地址
log_dir = '.logs/'
# 定义tb_callback，调用的函数是tf.keras.callbacks.TensorBoard，log_dir参数代表Tensorboard所分析日志文件的地址
tb_callback = tf.keras.callbacks.TensorBoard(log_dir=log_dir)

# 五、 训练模型
model.fit(x=x_train,
          y=y_train,
          epochs=10,                                         # 迭代次数10
          validation_data=(x_test, y_test),
          callbacks=[tb_callback])                           # 回调函数调用上面定义好的tb_callback，通过回调函数调用tensorboard