28、深度学习中的可视化与超参数调优

深度学习中的可视化与超参数调优

1. 使用 TensorBoard 进行可视化

TensorBoard 是一个强大的交互式可视化工具，可用于查看训练期间的学习曲线、比较多次运行的学习曲线、可视化计算图、分析训练统计数据、查看模型生成的图像、将复杂的多维数据投影到 3D 并自动聚类等。安装 TensorFlow 时会自动安装该工具。

1.1 准备工作

要使用 TensorBoard，需修改程序，将想要可视化的数据输出到特殊的二进制日志文件（事件文件）中，每个二进制数据记录称为一个摘要。TensorBoard 服务器会监控日志目录，自动获取更改并更新可视化内容，从而实现实时数据可视化（有短暂延迟）。

以下是定义根日志目录和生成子目录路径的代码：

import os 
root_logdir = os.path.join(os.curdir, "my_logs") 

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

run_logdir = get_run_logdir() # e.g., './my_logs/run_2019_06_07-15_15_22'

1.2 使用 Keras 的 TensorBoard 回调

Keras 提供了方便的 TensorBoard()