本文主要介绍一下在tensorflow2.0下tensorboard可视化的操作。从三个小方面来分别介绍。
- 在keras.fit下调用tensorboard(以下代码在Jupyter-Notebooks中运行)
我们用mnist手写数字识别数据集当来编译和训练网络
#首先导入模块
import tensorflow as tf
import datetime #datetime模块提供用于处理日期和时间的类,引入
# datetime模块主要是为了能够进行可视化区分,假如我们要训练好几次网络,每次时间不同,
# 引入这个模块后就可以在tensorboard可视化界面中记录每次所训练的结果,方便对照
#数据的加载与处理
(x_train,y_train),(x_test,y_test)=tf.keras.datasets.mnist.load_data()
x_train=tf.expand_dims(x_train,-1)
x_test =tf.expand_dims(x_test,-1)
x_train=tf.cast(x_train/255,tf.float32)
x_test=tf.cast(x_test/255,tf.float32)
y_train=tf.cast(y_train,tf.int64)
y_test=tf.cast(y_test,tf.int64)
db_train=tf.data.Dataset.from_tensor_slices((x_train,y_train))
db_test=tf.data.Dataset.from_tensor_slices((x_test,y_test))
db_train=db_train.repeat().shuffle(60000).batch(128)
db_test=db_test.repeat().batch(128)
#创建一个简单模型
model=tf.keras.Sequential([
tf.keras.layers.Conv2D(64,[3,3],activation='relu',input_shape=[None,None,1]),
tf.keras.layers.Conv2D(128,[3,3],activation='relu'),
tf.keras.layers.Conv2D(256,[3,3],activation='relu'