我已经用 Keras 构建了一个神经网络。我会通过 Tensorboard 可视化它的数据,因此我使用了:
keras.callbacks.TensorBoard(log_dir='/Graph', histogram_freq=0,
write_graph=True, write_images=True)
如 keras.io 中所述。当我运行回调时,我得到 <keras.callbacks.TensorBoard at 0x7f9abb3898>
,但我的文件夹“Graph”中没有任何文件。我如何使用这个回调有什么问题吗?
histogram_freq
设置为 1
。 “histogram_freq:计算模型层的激活直方图的频率(以时期为单位)。如果设置为 0,则不会计算直方图。”
keras.callbacks.TensorBoard(log_dir='./Graph', histogram_freq=0,
write_graph=True, write_images=True)
此行创建一个回调 Tensorboard 对象,您应该捕获该对象并将其提供给模型的 fit
函数。
tbCallBack = keras.callbacks.TensorBoard(log_dir='./Graph', histogram_freq=0, write_graph=True, write_images=True)
...
model.fit(...inputs and parameters..., callbacks=[tbCallBack])
这样,您就可以将回调对象提供给该函数。它将在训练期间运行,并将输出可与 tensorboard 一起使用的文件。
如果要可视化训练期间创建的文件,请在终端中运行
tensorboard --logdir path_to_current_dir/Graph
希望这可以帮助 !
这是您使用 TensorBoard callback 的方式:
from keras.callbacks import TensorBoard
tensorboard = TensorBoard(log_dir='./logs', histogram_freq=0,
write_graph=True, write_images=False)
# define model
model.fit(X_train, Y_train,
batch_size=batch_size,
epochs=nb_epoch,
validation_data=(X_test, Y_test),
shuffle=True,
callbacks=[tensorboard])
tf.summary.histogram
记录任何直方图,则设置 histogram_freq=0
- 否则 histogram_freq
不等于 0!
改变
keras.callbacks.TensorBoard(log_dir='/Graph', histogram_freq=0,
write_graph=True, write_images=True)
至
tbCallBack = keras.callbacks.TensorBoard(log_dir='Graph', histogram_freq=0,
write_graph=True, write_images=True)
并设置你的模型
tbCallback.set_model(model)
在您的终端中运行
tensorboard --logdir Graph/
AttributeError: 'TensorBoard' object has no attribute 'set_model'
。
如果您正在使用 Keras 库并希望使用 tensorboard 来打印您的准确度图和其他变量,那么下面是要遵循的步骤。
第 1 步:使用以下命令初始化 keras 回调库以导入 tensorboard
from keras.callbacks import TensorBoard
第 2 步:在“model.fit()”命令之前在程序中包含以下命令。
tensor_board = TensorBoard(log_dir='./Graph', histogram_freq=0, write_graph=True, write_images=True)
注意:使用“./graph”。它将在您当前的工作目录中生成图形文件夹,避免使用“/graph”。
第 3 步:在“model.fit()”中包含 Tensorboard 回调。示例如下。
model.fit(X_train,y_train, batch_size=batch_size, epochs=nb_epoch, verbose=1, validation_split=0.2,callbacks=[tensor_board])
第 4 步:运行您的代码并检查您的图形文件夹是否在您的工作目录中。如果上述代码正常工作,您的工作目录中将有“Graph”文件夹。
第 5 步:在您的工作目录中打开终端并键入以下命令。
tensorboard --logdir ./Graph
第 6 步:现在打开您的网络浏览器并输入以下地址。
http://localhost:6006
进入后,Tensorbaord 页面将打开,您可以在其中查看不同变量的图表。
tf.summary.histogram
记录任何直方图,则设置 histogram_freq=0
- 否则 histogram_freq
不等于 0!
这是一些代码:
K.set_learning_phase(1)
K.set_image_data_format('channels_last')
tb_callback = keras.callbacks.TensorBoard(
log_dir=log_path,
histogram_freq=2,
write_graph=True
)
tb_callback.set_model(model)
callbacks = []
callbacks.append(tb_callback)
# Train net:
history = model.fit(
[x_train],
[y_train, y_train_c],
batch_size=int(hype_space['batch_size']),
epochs=EPOCHS,
shuffle=True,
verbose=1,
callbacks=callbacks,
validation_data=([x_test], [y_test, y_test_coarse])
).history
# Test net:
K.set_learning_phase(0)
score = model.evaluate([x_test], [y_test, y_test_coarse], verbose=0)
基本上,histogram_freq=2
是调用此回调时要调整的最重要参数:它设置调用回调的 epoch 间隔,目的是在磁盘上生成更少的文件。
因此,这是一个示例,显示了在 TensorBoard 中的“直方图”选项卡下,在整个训练过程中最后一次卷积的值的演变(我发现“分布”选项卡包含非常相似的图表,但在侧面翻转):
https://raw.githubusercontent.com/Vooban/Hyperopt-Keras-CNN-CIFAR-100/master/tensorboard_histogram_example.png
如果您想在上下文中查看完整示例,可以参考这个开源项目:https://github.com/Vooban/Hyperopt-Keras-CNN-CIFAR-100
如果您使用的是 google-colab,图表的简单可视化将是:
import tensorboardcolab as tb
tbc = tb.TensorBoardColab()
tensorboard = tb.TensorBoardColabCallback(tbc)
history = model.fit(x_train,# Features
y_train, # Target vector
batch_size=batch_size, # Number of observations per batch
epochs=epochs, # Number of epochs
callbacks=[early_stopping, tensorboard], # Early stopping
verbose=1, # Print description after each epoch
validation_split=0.2, #used for validation set every each epoch
validation_data=(x_test, y_test)) # Test data-set to evaluate the model in the end of training
创建 Tensorboard 回调:
from keras.callbacks import TensorBoard
from datetime import datetime
logDir = "./Graph/" + datetime.now().strftime("%Y%m%d-%H%M%S") + "/"
tb = TensorBoard(log_dir=logDir, histogram_freq=2, write_graph=True, write_images=True, write_grads=True)
将 Tensorboard 回调传递给 fit 调用:
history = model.fit(X_train, y_train, epochs=200, callbacks=[tb])
运行模型时,如果出现 Keras 错误
“您必须为占位符张量提供一个值”
尝试在创建模型之前重置 Keras 会话,方法是:
import keras.backend as K
K.clear_session()
You must feed a value for placeholder tensor
。知道为什么吗?
你写了 log_dir='/Graph'
你是说 ./Graph
吗?您现在将其发送给 /home/user/Graph
。
/Graph
会在用户的主目录中创建一个文件夹,而不是直接使用 /Graph
?
您应该查看 Losswise (https://losswise.com),它有一个 Keras 插件,比 Tensorboard 更易于使用,并且有一些不错的额外功能。使用 Losswise,您只需使用 from losswise.libs import LosswiseKerasCallback
,然后使用 callback = LosswiseKerasCallback(tag='my fancy convnet 1')
,一切顺利(参见 https://docs.losswise.com/#keras-plugin)。
有几件事。
首先,不是 /Graph
,而是 ./Graph
其次,当您使用 TensorBoard 回调时,请始终传递验证数据,因为没有它,它将无法启动。
第三,如果您想使用除标量摘要之外的任何内容,那么您应该只使用 fit
方法,因为 fit_generator
不起作用。或者您可以重写回调以使用 fit_generator
。
要添加回调,只需将其添加到 model.fit(..., callbacks=your_list_of_callbacks)
不定期副业成功案例分享