Keras使用TensorBoard可视化训练过程

最新推荐文章于 2022-05-05 10:16:39 发布

Loy_Fan

最新推荐文章于 2022-05-05 10:16:39 发布

阅读量2k

点赞数 1

CC 4.0 BY-SA版权

分类专栏：机器学习框架实操（TF/PT/Keras/Caffe）机器学习

本文链接：https://blog.youkuaiyun.com/weixin_43318626/article/details/94839641

本文介绍了如何在Keras中利用TensorBoard进行训练过程的可视化，通过添加特定代码到模型训练部分，然后启动TensorBoard，可以观察模型的损失、精度等关键指标。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

添加关键代码
在模型训练语句中添加回传训练信息的代码

# 每隔一个训练循环就用柱状图显示信息
callbacks = [keras.callbacks.TensorBoard(log_dir='自定义日志保存目录'.format(模型名称))]
history = fashion_model.fit(训练集, 标签, epochs, batch_size, validation_split = 0.2, callbacks = callbacks)

训练模型

# 运行你的训练代码
>> python XXX.py

打开TensorBoard

>> tensorboard --logdir='自定义日志保存目录'

# 出现形如以下的提示，打开链接查看
TensorBoard 1.14.0 at http://harvest07:6006/ (Press CTRL+C to quit)

在这里插入图片描述

示例代码

import keras;
from keras import layers
from keras.datasets import fashion_mnist
from keras.preprocessing import sequence
from keras.utils import to_categorical
from keras.models import Sequential,Input,Model
from keras.layers import Dense, Dropout, Flatten