使用tensorboard將keras的訓練過程顯示出來(動態的、直觀的）是乙個絕好的主意，特別是在有架設好的vps的基礎上，這篇文章就是一起來實現這個過程。
一、主要原理
keras的在訓練（fit）的過程中，顯式地生成log日誌；使用tf的tensorboard來解析這個log日誌，並且通過**的形式顯示出來。
fit的時候加上callbacks=[tensorboard(log_dir=
'./tmp/log')] 將執行的結果儲存在'./tmp/log'下。
執行tensorboard 命令的時候指明： -
-logdir=./temp/log
二、實現步驟
我們需要選擇一段執行絕對正確，而且需要一定時間的演算法：使用keras自己提供的「cifar10_cnn.py」執行乙個比較多的
epoch是很行的選擇。它使用的是
# fit the model on the batches generated by datagen.flow().
model.fit_generator(datagen.flow(x_train, y_train,
batch_size=batch_size),
epochs=epochs,
validation_data=(x_test, y_test),
workers=
4)我不知道是否有效，將其修改為：
model.fit_generator(datagen.flow(x_train, y_train,
batch_size=batch_size),
epochs=epochs,
validation_data=(x_test, y_test),
workers=
4,callbacks=[tensorboard(
log_dir=
'./tmp/log')])
並且執行
很遺憾，在1024mb的vps上面，cifar_10跑不起來，最後還是選擇跑mnist
開啟tensorboard
需要注意的是，這裡所有的操作都是在
~/keras/examples 目錄下進行的，有絕對位址的說法
三、觀察結果
本例**現了2個專案，其他的都被隱藏起來了
用這種方法來看曲線是很直觀的
也可以看出函式模型
來自為知筆記(wiz)
python學習筆記之tensorboard
coding utf 8 in 2 import tensorflow as tf from tensorflow.examples.tutorials.mnist import input data in 3 載入資料集 mnist input data.read data sets mnist ...
在Pytorch中使用tensorboard
在pytorch中使用tensorboard的方法也挺簡單，如果要看網路結構和訓練損失的話基本上和在tf中使用是差不多的。import torch.nn as nn import torch.nn.functional as f import torch.optim as optim import ...
Keras的安裝與配置
keras是由python編寫的基於tensorflow或theano的乙個高層神經網路api。具有高度模組化，極簡，可擴充等特性。能夠實現簡易和快速的原型設計，支援cnn和rnn或者兩者的結合，可以無縫切換cpu和gpu。本文主要整理了如何安裝和配置keras。我使用的python版本是2.7.1...