前言
TensorBoard是可视化训练工具,方便算法开发过程中的调试调优,这篇文章先来简单的看一下TensorBoard的基本使用
一、先用起来
只需在训练的时候多指定一个TensorBoard回调即可讲训练的数据保存到磁盘,然后浏览器去指定目录找到记录的训练数据进行显示
import datetime
log_dir = "logs/fit/" + datetime.datetime.now().strftime("%Y/%m/%d-%H:%M:%S")
# 创建tensorboard回调
tensorboard_callback = tf.keras.callbacks.TensorBoard(log_dir=log_dir,
histogram_freq=1)
# 训练模型
model.fit(train_images,
train_labels,
epochs=10,
validation_split=0.2, # 20%的训练集作为验证集使用
validation_freq=1,
callbacks=[save_model_callback,
tensorboard_callback]) # 新添加的tensorboard回调
可以在训练前、训练过程中、训练结束后打开tensorboard进行查看,tensorboard会定时刷新数据。
打开方式:
- jupyter notebook 中打开
先加载tensorboard模块,然后打开指定路径进行查看
%load_ext tensorboard
%tensorboard --logdir logs/fit
2. 命令行打开
tensorboard --logdir logs/fit
会返回一个网址,比如:TensorBoard 2.1.0 at http://localhost:6012/ (Press CTRL+C to quit),在浏览器中打开http://localhost:6012/进行查看
注意两种方式的路径都要指定正确
效果如下:
说明:途中浅色折线为真实训练趋势,深色折线为平滑后的趋势,鼠标放上去可以查看每个节点的具体信息,如下图所示