TensorBoard的使用

安装

conda安装：

conda install TensorBoard

代码部分使用TensorBoard

• 在项目中部分代码如下：

#想要保留中间过程——callback。传进函数，保存信息。
    # 根据validation loss保存最优模型
    save_best = callbacks.ModelCheckpoint('best_model.h5', monitor='val_loss', verbose=1, 
                                         save_best_only=True, mode='min')#训练网络希望每次训练过程中保存好的结果。存的文件名等信息。

    # 如果训练持续没有validation loss的提升, 提前结束训练                                
    early_stop = callbacks.EarlyStopping(monitor='val_loss', min_delta=0, patience=15, 
                                         verbose=0, mode='auto')#选择epoch=10000，到100时候就保持不变了，需要提前停止。看15步内没有变化。
    tbCallBack = callbacks.TensorBoard(log_dir='./Graph',write_graph=True,write_image=True)
    callbacks_list = [early_stop, save_best,tbCallBack ]# 三个callback放在列表里

    history = model.fit_generator(batch_generator(X_train, y_train, batch_size, shape, training=True),
                                  steps_per_epoch = samples_per_epoch,
                                  validation_steps = nb_val_samples // batch_size,
                                  validation_data = batch_generator(X_val, y_val, batch_size, shape, 
                                                                  training=False, monitor=False),
                                  epochs=nb_epoch, verbose=1, callbacks=callbacks_list)# (batch_generator产生训练数据，


    with open('./trainHistoryDict.p', 'wb') as file_pi:
        pickle.dump(history.history, file_pi)#保存history的属性history

• 其中有关于TensorBoard的部分代码如下：

  tbCallBack = callbacks.TensorBoard(log_dir='./Graph',write_graph=True,write_image=True)#创建一个文件夹Graph存

TensorBoard界面

• 终端输入：

tensorboard --logdir ./Graph --port=6005

PS：如何在利用MobaXterm建立ssh隧道，实现远程端口到本机端口的转发：请看我的博客https://blog.youkuaiyun.com/qq_37486501/article/details/123637404
如果成功，则显示网址（端口号）。打开浏览器，输入网址（端口号），则会打开Tensorboard界面，如下图所示

• TensorBoard界面中有：SCALARS和GRAPHS
  其中SCALARS中loss图表：
  浅色线：真实值
  深色线：平均值
  其中GRAPHS中显示的是：Model结构