神经网络学习小记录43——Keras中Tensorboard的使用

约定不等于承诺〃 2023-07-17 11:22 19阅读 0赞

### 神经网络学习小记录43——Keras中Tensorboard的使用 ###

*  学习前言
 *  Tensorboard详解
 *  使用例子
 *  1、loss和acc
 *  2、权值直方图
 *  3、梯度直方图
 *  实现代码

# 学习前言 #

可视化是个好东西呀，怎么学学呢！  
![在这里插入图片描述][20190723165901974.jpg_pic_center]

# Tensorboard详解 #

该类在存放在keras.callbacks模块中。拥有许多参数，主要的参数如下：

**1、log\_dir: 用来保存Tensorboard的日志文件等内容的位置**

**2、histogram\_freq: 对于模型中各个层计算激活值和模型权重直方图的频率。**

**3、write\_graph: 是否在 TensorBoard 中可视化图像。**

**4、write\_grads: 是否在 TensorBoard 中可视化梯度值直方图。**

**5、batch\_size: 用以直方图计算的传入神经元网络输入批的大小。**

**6、write\_images: 是否在 TensorBoard中将模型权重以图片可视化。**

**7、update\_freq: 常用的三个值为’batch’ 、 ‘epoch’ 或 整数。当使用 ‘batch’ 时，在每个 batch 之后将损失和评估值写入到 TensorBoard 中。 ‘epoch’ 类似。如果使用整数，会在每一定个样本之后将损失和评估值写入到 TensorBoard 中。**

默认值如下：

log_dir='./logs',  # 默认保存在当前文件夹下的logs文件夹之下
    histogram_freq=0,
    batch_size=32,
    write_graph=True,  #默认是True，默认是显示graph的。
    write_grads=False,
    write_images=False,
    update_freq='epoch'

# 使用例子 #

以手写体为例子，我们打开histogram\_freq和write\_grads，也就是在Tensorboard中保存权值直方图和梯度直方图。  
打开CMD，利用tensorboard --logdir=logs生成tensorboard观测网页。

# 1、loss和acc #

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80NDc5MTk2NA_size_16_color_FFFFFF_t_70_pic_center]![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80NDc5MTk2NA_size_16_color_FFFFFF_t_70_pic_center 1]

# 2、权值直方图 #

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80NDc5MTk2NA_size_16_color_FFFFFF_t_70_pic_center 2]

# 3、梯度直方图 #

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80NDc5MTk2NA_size_16_color_FFFFFF_t_70_pic_center 3]

# 实现代码 #

import numpy as np
    
    from keras.layers import Input, Dense, Dropout, Activation,Conv2D,MaxPool2D,Flatten
    from keras.datasets import mnist
    from keras.models import Model
    from keras.utils import to_categorical
    from keras.callbacks import TensorBoard
    
    
    if __name__=="__main__":
        (x_train,y_train),(x_test,y_test) = mnist.load_data()
    
        x_train=np.expand_dims(x_train,axis=-1)
        x_test=np.expand_dims(x_test,axis=-1)
        y_train=to_categorical(y_train,num_classes=10)
        y_test=to_categorical(y_test,num_classes=10)
        batch_size=128
        epochs=10
    
        inputs = Input([28,28,1])
        x = Conv2D(32, (5,5), activation='relu')(inputs)
        x = Conv2D(64, (5,5), activation='relu')(x)   
        x = MaxPool2D(pool_size=(2,2))(x)
        x = Flatten()(x)    
        x = Dense(128, activation='relu')(x)
        x = Dropout(0.5)(x)
        x = Dense(10, activation='softmax')(x)
    
        model = Model(inputs,x)
    
        model.compile(loss='categorical_crossentropy', optimizer="adam",metrics=['acc']) 
        Tensorboard= TensorBoard(log_dir="./model", histogram_freq=1,write_grads=True)
        history=model.fit(x_train, y_train, batch_size=batch_size, epochs=epochs, shuffle=True, validation_split=0.2,callbacks=[Tensorboard])

[20190723165901974.jpg_pic_center]: /images/20230528/f90928ec39a940a49f03c7e04925d102.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80NDc5MTk2NA_size_16_color_FFFFFF_t_70_pic_center]: https://img-blog.csdnimg.cn/20200321210111823.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80NDc5MTk2NA==,size_16,color_FFFFFF,t_70#pic_center
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80NDc5MTk2NA_size_16_color_FFFFFF_t_70_pic_center 1]: /images/20230528/7366906b818145a9ba213d5ff7412190.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80NDc5MTk2NA_size_16_color_FFFFFF_t_70_pic_center 2]: /images/20230528/33a2334f99a34589927504130ad93de0.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80NDc5MTk2NA_size_16_color_FFFFFF_t_70_pic_center 3]: /images/20230528/7dce562718a347fa88ec5f2cc1ae10c5.png