Tensorboard可视化

利用tensorboard将loss,accuracy进行可视化,建立的模型也可以看到,有利于模型的调试(也可以将自定义的学习率等加进去,水平有限,这里只做了简单的介绍)

利用tensorflow中自带的数据为例,可直接下载

import tensorflow as tf
import os
from datetime import datetime

#下载数据集
(train_image,train_labels),(test_image,test_labels) = tf.keras.datasets.mnist.load_data()
train_image = tf.cast(train_image/255,tf.float32)       ##转化数据类型
test_image = tf.cast(test_image/255,tf.float32)
train_labels = tf.cast(train_labels,tf.int64)
test_labels = tf.cast(test_labels,tf.int64)
##改变维度
train_image = tf.expand_dims(train_image,-1)
test_image = tf.expand_dims(test_image,-1)
#创建dataset
dataset = tf.data.Dataset.from_tensor_slices(
    (train_image,train_labels))
test_dataset = tf.data.Dataset.from_tensor_slices(
    (test_image,test_labels))
dataset = dataset.repeat().shuffle(10000).batch(64)
test_dataset = test_dataset.repeat().batch(64)

#模型构建
model = tf.keras.Sequential([
  tf.keras.layers.Conv2D(16,[3,3], activation='relu',input_shape = (None,None,1)),
  tf.keras.layers.Conv2D(32,[3,3], activation='relu'),
  tf.keras.layers.GlobalMaxPooling2D(),
  tf.keras.layers.Dense(10)
])
model.compile(optimizer='adam',
      loss='sparse_categorical_crossentropy',
      metrics=['acc'])

##定义回调函数
log_dir = os.path.join('填你的目录',datetime.now().strftime('%Y%m%d%-%H%M%S'))        ##加入时间戳,以显示变化
tensorboard_callback = tf.keras.callbacks.TensorBoard(log_dir,histogram_freq=1)

##模型训练
model.fit(dataset,epochs=15,
    steps_per_epoch=60000//64,
    validation_data=test_dataset,
    validation_steps=10000//64,
    callbacks=[tensorboard_callback])

%reload_ext tensorboard
%matplotlib inline                ##tensorboard显示在当前运行框内,也可以利用cmd在网页上打开
%tensorboard --logdir /content    #--logdir后加自己的目录


  • 0
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值