使用TensorBoard进行可视化

交互式可视化工具

TensorBoard（TB）服务器会监视日志目录，所以重点是将数据输入到二进制的日志文件，并将TB服务器指向根日志目录，以使得每次运行时都写入不同的子目录。这样可以可视化比较程序多次运行的数据。
1.定义TB日志的根日志目录。创建一个将当前时间作为文件的子目录函数，以记录每次运行的不同文件。当然，目录可以含有超参数值，以便于比较。

keras.backend.clear_session()#用于清除所有Session
import os
fn=r'F:/TFdata/result'
root_logdir = os.path.join(fn, "my_logs")
def get_run_logdir():#日志生成函数
    import time
    run_id = time.strftime("run_%Y_%m_%d-%H_%M_%S")
    return os.path.join(root_logdir, run_id)
run_logdir = get_run_logdir()#需要注意每次计算要记得先生成一个文件名
#咔咔咔，成立模型，并且编译模型，这里省略了，就是模型model已经有了
tensorboard_cb = keras.callbacks.TensorBoard(run_logdir)#调用回调函数
history = model.fit(X_train, y_train, epochs=30,
                    validation_data=(X_valid, y_valid),
                    callbacks=[tensorboard_cb])

2.启动TB服务器。
两种方法：第一种使用终端，在虚拟环境的cmd命令行中运行以下命令：

%tensorboard --logdir=./my_logs --port=6006

第二种，可以在Jupyter中直接运行来使用TB：

%load_ext tensorboard
%tensorboard --logdir=./my_logs --port=6006

这里./my_logs日志存放的位置若为自己定义的而非默认的需要为完整的绝对路径，port为展示端口。