這篇文章給大家介紹怎么在Keras中使用tensorboard顯示訓練過程，內(nèi)容非常詳細，感興趣的小伙伴們可以參考借鑒，希望對大家能有所幫助。

創(chuàng)新互聯(lián)建站-專業(yè)網(wǎng)站定制、快速模板網(wǎng)站建設、高性價比阜城網(wǎng)站開發(fā)、企業(yè)建站全套包干低至880元,成熟完善的模板庫,直接使用。一站式阜城網(wǎng)站制作公司更省心,省錢,快速模板網(wǎng)站建設找我們，業(yè)務覆蓋阜城地區(qū)。費用合理售后完善，十多年實體公司更值得信賴。

方法一（標準調(diào)用方法）：

采用keras特有的fit()進行訓練，只要在fit的時候指定callbacks函數(shù)即可，代碼如下

from keras.callbacks import TensorBoard 
from keras.models import Sequential 
…… 
model = Sequential() 
…… 
tbCallBack = keras.callbacks.TensorBoard(log_dir='./Graph', 
histogram_freq=1, 
write_graph=True, 
write_images=True)

model_history = model.fit(X_train_train, 
y_train_train, 
batch_size=batch_size, 
epochs=epochs, 
verbose=1, 
validation_data=(X_train_val, y_train_val), 
callbacks = [EarlyStopping(patience=patience,mode='min',verbose=1), 
history, 
tbCallBack])

雖然這種方法看上去很美，但它只適用于標準訓練方法，如果你想用自己的訓練方法，就需要調(diào)用train_on_batch，而不能直接使用fit()，這時就要采用下面這種方法：

方法二（特殊調(diào)用方法）：

這種方法可用于調(diào)用train_on_batch的情況。

%預先寫好writer，定義好model 
writer = tf.summary.FileWriter(…) 
model = … 
%訓練時 
loss = model.train_on_batch(…) 
summary = tf.Summary(value=[ 
tf.Summary.Value(tag=”d_loss”, simple_value=d_loss), 
tf.Summary.Value(tag=”g_loss”, simple_value=g_loss), 
]) 
writer.add_summary(summary)

雖然很簡單，但這種方法只能顯示scalar類型，不能顯示image,histgram等，非常不實用。真正實用的是下面的終結方法：

方法三（最實用的方法）

最實用的還是用tensorflow原生的調(diào)用方法，雖然相對方法二麻煩一點，但考慮到此方法與tensorflow一樣，不需要去記那些額外的花拳繡腿，因此反而是最簡單的，也是最有效的。

代碼如下：

import tensorflow as tf 
import datetime 
%在訓練開始之前，預先定義好可視化的東西，用的是原生的tensorflow方法，這里我們以一個GAN模型為例，讓它顯示整張模型圖，兩個標量損失函數(shù)，以及5個生成圖像。方法是預先用placeholder聲明所要顯示的那些東西，然后在訓練過程中將訓練結果來填充它們。你可以自行加入histgram，都和tensorflow一樣 
#start tensorboard 
sess=tf.Session() 
logdir = “tensorboard/” + datetime.datetime.now().strftime(“%Y%m%d-%H%M%S”) + “/” 
writer = tf.summary.FileWriter(logdir, sess.graph) 
D_LOSS = tf.placeholder(tf.float32, []) 
G_LOSS = tf.placeholder(tf.float32, []) 
IMAGES = tf.placeholder(tf.float32,shape=[None,28,28,1]) 
tf.summary.scalar(“D_LOSS”, D_LOSS) 
tf.summary.scalar(“G_LOSS”, G_LOSS) 
tf.summary.image(“IMAGES”, IMAGES, 5) 
merged=tf.summary.merge_all() 
#end tensorboard

訓練迭代過程中，是這樣的

for epoch in range(100): 
% 用keras的train_on_batch方法進行訓練 
d_loss = d.train_on_batch(。。。。。。) 
g_loss = d_on_g.train_on_batch(。。。。。。) 
generated_images = g.predict(。。。。。。) 
if index%10==0: #tensorboard 
% 將訓練結果填充可視化數(shù)據(jù) 
summary=sess.run(merged,feed_dict={D_LOSS:d_loss, G_LOSS:g_loss, IMAGES:generated_images}) 
writer.add_summary(summary,index)

關于怎么在Keras中使用tensorboard顯示訓練過程就分享到這里了，希望以上內(nèi)容可以對大家有一定的幫助，可以學到更多知識。如果覺得文章不錯，可以把它分享出去讓更多的人看到。

網(wǎng)站欄目：怎么在Keras中使用tensorboard顯示訓練過程-創(chuàng)新互聯(lián)
網(wǎng)頁鏈接：http://weahome.cn/article/coejjg.html