入门tensorflow教程之TensorBoard可视化模型训练
TensorBoard是用于可视化图形
和其他工具以理解、调试和优化模型的界面。
它是一种为机器学习工作流提供测量和可视化的工具。
它有助于跟踪损失和准确性、模型图可视化、低维空间中的项目嵌入等指标。
下面,我们使用MNIST 数据的图像分类模型 ,将首先导入所需的库并加载数据集。
模型的建立使用最简单的顺序模型
import tensorflow as tf(X_train, y_train), (X_test, y_test) = tf.keras.datasets.mnist.load_data()from tensorflow.keras.utils import np_utilsX_train=X_train.astype('float32')X_test=X_test.astype('float32')X_train/=255X_test/=255X_train = X_train.reshape(X_train.shape[0], 28, 28, 1).astype('float32')X_test = X_test.reshape(X_test.shape[0], 28, 28, 1).astype('float32')y_train = np_utils.to_categorical(y_train, 10)y_test = np_utils.to_categorical(y_test, 10)model = Sequential()model.add(Convolution2D(32, 3, 3, input_shape=(28, 28, 1)))model.add(Activation('relu'))model.add(Dropout(0.25))model.add(Convolution2D(32, 3, 3))model.add(Activation('relu'))model.add(Convolution2D(32, 3, 3))model.add(Activation('relu'))model.add(Dropout(0.25))model.add(Flatten())model.add(Dense(128))model.add(Dense(128))model.add(Activation('relu'))model.add(Dense(10))model.add(Activation('softmax'))model.compile(loss='categorical_crossentropy',optimizer='adam',metrics=['accuracy'])
keras API 训练模型时,
创建了一个 tensorboard 回调
以确保将指标记录在指定的目录中。
这里保存到
logs/fit
import datetime!rm -rf ./logs/log_dir = "logs/fit/" + datetime.datetime.now().strftime("%Y%m%d-%H%M%S")tensorboard_callback=tf.keras.callbacks.TensorBoard(log_dir=log_dir, histogram_freq=1)model.fit(x=X_train, y=y_train,epochs=30,validation_data=https://www.it610.com/article/(X_test, y_test),callbacks=[tensorboard_callback])
文章图片
如果使用
colab
,并不支持使用终端对于 Windows 用户:
tensorboard --logdir= logs/fitg
Tensorboard 位于:http://localhost:6006
如果使用colab,需要加载TensorBoard扩展程序
%load_ext tensorboard%tensorboard --logdir logs/fitfrom tensorboard import notebooknotebook.listnotebook.display(port=6006, height=1000)
文章图片
文章图片
如果训练迭代5k到55k,
TensorBoard会给出测试集的大概结果
【入门tensorflow教程之TensorBoard可视化模型训练】
文章图片
如果在torch中是使用TensorBoard,在PyTorch 1.8.1 版本的发布,需要使用 PyTorch Profiler,
需要安装
torch_tb_profiler
。torch_tb_profiler
是TensorBoard
的一个插件,可以可视化GPU的情况,具体参考官方教程
https://pytorch.org/tutorials/intermediate/tensorboard_profiler_tutorial.html
https://github.com/pytorch/kineto/tree/main/tb_plugin
到此这篇关于小白入门学习TensorBoard可视化模型训练的文章就介绍到这了,更多相关TensorBoard可视化模型训练内容请搜索脚本之家以前的文章或继续浏览下面的相关文章希望大家以后多多支持脚本之家!
推荐阅读
- 2.6|2.6 Photoshop操作步骤的撤消和重做 [Ps教程]
- 漫画初学者如何学习漫画背景的透视画法(这篇教程请收藏好了!)
- typeScript入门基础介绍
- 用npm发布一个包的教程并编写一个vue的插件发布
- 20180322【w4复盘日志】
- 狗狗定点大小便视频教程下载地址
- SwiftUI|SwiftUI iOS 瀑布流组件之仿CollectionView不规则图文混合(教程含源码)
- Android|Android sqlite3数据库入门系列
- 【实用教程】4种获取无水印视频素材的方法
- Android下的IO库-Okio源码解析(一)|Android下的IO库-Okio源码解析(一) 入门