keras中的tensorboard可视化
程序员文章站
2022-06-05 22:04:57
...
import tensorflow as tf
from keras.callbacks import Callback
class Mylosscallback(Callback):
def __init__(self, log_dir):
super(Callback, self).__init__()
self.writer = tf.summary.FileWriter(log_dir)
self.num = 0
def on_train_begin(self, logs={}):
self.losses = {'batch': [], 'epoch': []}
self.accuracy = {'batch': [], 'epoch': []}
self.val_loss = {'batch': [], 'epoch': []}
self.val_acc = {'batch': [], 'epoch': []}
def on_batch_end(self, batch, logs={}):
self.num = self.num + 1
self.losses = logs.get('loss')
self.accuracy = logs.get('acc')
self.val_loss = logs.get('val_loss')
self.val_acc = logs.get('val_acc')
print('debug success!!!')
summary = tf.Summary()
summary.value.add(tag='losses', simple_value=self.losses)
summary.value.add(tag='accuracy', simple_value=self.accuracy)
summary.value.add(tag='val_loss', simple_value=self.val_loss)
summary.value.add(tag='val_acc', simple_value=self.val_acc)
self.writer.add_summary(summary, self.num)
self.writer.flush()
最后使用这个命令就可以使用tensorboard可视化自己想要的东西了,需要一个回调
model.fit(X_train, y_train, epochs=50, callbacks=[Mylosscallback(log_dir='./log')])
下一篇: TCP通信
推荐阅读
-
Pytorch中使用tensorboard可视化不显示的问题
-
在Linux中可视化显示内存占用情况的方法
-
jsp中的TextArea实现如word的可视化编辑
-
对Tensorflow中权值和feature map的可视化详解
-
使用kibana可视化报表实时监控你的应用程序,从日志中找出问题,解决问题
-
mysql命令框中向表中插入中文字符,在可视化工具MySQL Workbeach或phpMyAdmin中不显示或显示乱码的问题解决
-
keras分类模型中的输入数据与标签的维度
-
对使用keras代码的模型中间层可视化
-
Tensorflow的可视化工具Tensorboard的初步使用详解
-
keras的model.fit中validation_data参数问题及解决