睿智的keras深度学习（四）——TensorBoard进行快速、精美的可视化

Keras深度学习系列：TensorBoard实战与可视化教程

原创已于 2022-03-09 14:53:53 修改 · 585 阅读

0 ·

CC 4.0 BY-SA版权

文章标签：

#深度学习 #keras #tensorflow

于 2021-12-02 21:19:34 首次发布

睿智的keras深度学习专栏收录该内容

6 篇文章

订阅专栏

本文回顾了使用Keras进行深度学习时，如何设置TensorBoard路径、配置可视化参数，以及通过Jupyter和命令行实现TensorBoard的可视化效果。从创建目录到实战演示，帮助读者掌握高效的数据可视化实践。

系列文章往期回顾

睿智的keras深度学习（零）——keras使用时可能遇到的参数及含义
 睿智的keras深度学习（一）——阈值逻辑单元和多层感知机
 睿智的keras深度学习（二）——函数式API构建顺序模型快速上手
 睿智的keras深度学习（三）——迅速了解回调函数

创建目录路径

在这里我们首先为储存使用tensorboard所需的文件设置一个路径

import os

curdir = os.curdir
root_logdir = os.path.join(curdir, "my_logs")
def get_run_logdir():
    import time
    run_id = time.strftime("run_%Y_%m_%d_-%H_%M_%M_%S")
    return os.path.join(root_logdir, run_id)

run_logdir = get_run_logdir()
print(run_logdir)

在这里插入图片描述

在训练时设置Tensorboard参数

from keras.callbacks import TensorBoard

tensorboard_cb = TensorBoard(run_logdir)
history = history = model.fit(X_train, y_train, epochs=20, validation_data=(X_valid, y_valid), callbacks=[tensorboard_cb])

TensorBoard可视化jupyter做法

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

TensorBoard可视化cmd命令行做法

请添加图片描述

可视化效果图

请添加图片描述