TensorBoard是用于可視化圖形
和其他工具以理解、調試和優化模型的界面。
它是一種為機器學習工作流提供測量和可視化的工具。
它有助于跟蹤損失和準確性、模型圖可視化、低維空間中的項目嵌入等指標。
下面，我們使用MNIST 數據的圖像分類模型 ，將首先導入所需的庫并加載數據集。
模型的建立使用最簡單的順序模型
import tensorflow as tf
(X_train, y_train), (X_test, y_test) = tf.keras.datasets.mnist.load_data()
from tensorflow.keras.utils import np_utils
X_train=X_train.astype("float32")
X_test=X_test.astype("float32")
X_train/=255
X_test/=255
X_train = X_train.reshape(X_train.shape[0], 28, 28, 1).astype("float32")
X_test = X_test.reshape(X_test.shape[0], 28, 28, 1).astype("float32")
y_train = np_utils.to_categorical(y_train, 10)
y_test = np_utils.to_categorical(y_test, 10)
model = Sequential()
model.add(Convolution2D(32, 3, 3, input_shape=(28, 28, 1)))
model.add(Activation("relu"))
model.add(Dropout(0.25))
model.add(Convolution2D(32, 3, 3))
model.add(Activation("relu"))
model.add(Convolution2D(32, 3, 3))
model.add(Activation("relu"))
model.add(Dropout(0.25))
model.add(Flatten())
model.add(Dense(128))
model.add(Dense(128))
model.add(Activation("relu"))
model.add(Dense(10))
model.add(Activation("softmax"))
model.compile(loss="categorical_crossentropy",optimizer="adam",metrics=["accuracy"])
keras API 訓練模型時，
創建了一個 tensorboard 回調
以確保將指標記錄在指定的目錄中。
這里保存到logs/fit
import datetime
!rm -rf ./logs/
log_dir = "logs/fit/" + datetime.datetime.now().strftime("%Y%m%d-%H%M%S")
tensorboard_callback=tf.keras.callbacks.TensorBoard(log_dir=log_dir, histogram_freq=1)
model.fit(x=X_train, y=y_train,epochs=30,validation_data=(X_test, y_test), callbacks=[tensorboard_callback])
如果使用colab，并不支持使用終端
對于 Windows 用戶：tensorboard --logdir= logs/fitg
Tensorboard 位于：http://localhost:6006
如果使用colab，需要加載TensorBoard擴展程序
%load_ext tensorboard %tensorboard --logdir logs/fit from tensorboard import notebook notebook.list notebook.display(port=6006, height=1000)
如果訓練迭代5k到55k，
TensorBoard會給出測試集的大概結果
如果在torch中是使用TensorBoard，在PyTorch 1.8.1 版本的發布，需要使用 PyTorch Profiler，
需要安裝torch_tb_profiler。
torch_tb_profiler是TensorBoard的一個插件，可以可視化GPU的情況，
具體參考官方教程
https://pytorch.org/tutorials/intermediate/tensorboard_profiler_tutorial.html
https://github.com/pytorch/kineto/tree/main/tb_plugin
到此這篇關于小白入門學習TensorBoard可視化模型訓練的文章就介紹到這了,更多相關TensorBoard可視化模型訓練內容請搜索服務器之家以前的文章或繼續瀏覽下面的相關文章希望大家以后多多支持服務器之家！
原文鏈接：https://maoli.blog.csdn.net/article/details/119258143
