前言
TensorBoard是TensorFlow自带的一个强大的可视化工具,目前支持7种可视化,Scalars, Images, Audio, Graphs, Distributions, Histograms 和 Embeddings 。
主要功能如下:
(1)Scalars:展示训练过程中的准确率、损失值、权重/偏置的变化情况。
(2)Images:展示训练过程中记录的图像。
(3)Audio:展示训练过程中记录的音频。
(4)Graphs:展示模型的数据流图,以及训练在各个设备上消耗的内存和时间。
(5)Distributions:展示训练过程中记录的数据的分部图。
(6)Histograms:展示训练过程中记录的数据的柱状图。
(7)Embeddings:展示词向量后的投影分部。
TensorBoard通过运行一个本地服务器监听6006端口。
本文介绍docker中使用tensorbroad的方法。
步骤
-
搭建docker
详细过程看参考我的另外一篇文章:AI实战:AI模型部署系列之docker
-
docker创建要点说明
-
创建脚步
sudo docker run --name refuse_classify-tensorflow-1.4.0-py3 -d \ -p 8888:8888 \ -p 9006:6006 \ -p 9007:6007 \ -p 9008:6008 \ -v ~/data/tmp/docker_example:/data \ tensorflow/tensorflow:1.4.0-py3
-
参数说明
--name:创建的容器名,即 refuse_classify-tensorflow-1.4.0-py3 (python3下tensorflow 1.4.0 的垃圾分类docker) -d:后台运行容器 -p 8888:8888:端口映射,前者是宿主机的端口,后者是docker中的端口 -p 9006:6006: tensorboard 端口映射 -p 9007:6007: 预留端口 -p 9008:6008: 预留端口 -v ~/data/tmp/docker_example:/data:将宿主机的 ~/data/tmp/docker_example 挂载到容器内的 /data 下 tensorflow/tensorflow:1.4.0-py3 :是上一步下载的镜像
-
特别说明
docker内的6006端口映射到docker外的端口是9006,所以在 浏览器中打开tensorbroad时,端口应该是9006 。
-
-
启tensorbroad服务
1、进入docker内,
2、cd 到模型路径下面
3、执行指令:
tensorbroad --logdir ‘logs_path’
其中logs_path为模型log的保存路径
-
浏览器查看可视化过程
1、打开浏览器,推荐用chrome
2、输入ip:prot
(1)tensorbroad是本地服务的话,输入:127.0.0.1:9006
(2)tensorbroad是服务器服务的话,输入:服务器ip:9006
3、即可查看可视化过程:训练过程(acc、loss、val_acc、val_loss等)、参数。。。
相关文章推荐
Tensorflow的可视化工具Tensorboard的初步使用:https://blog.csdn.net/candy_gl/article/details/80316559
tensorflow学习笔记----TensorBoard讲解:https://www.cnblogs.com/rainydayfmb/p/7944224.html