tensorboard keras,tensorflow.keras.models

　　这篇文章主要为大家介绍了张量流可视化克拉斯框架中张量板使用示例，有需要的朋友可以借鉴参考下，希望能够有所帮助，祝大家多多进步，早日升职加薪

目录

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、日志目录：用来保存张量板的日志文件等内容的位置

　　2、直方图_频率：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、写图表：是否在张量板中可视化图像。

　　4、write _ grads:是否在张量板中可视化梯度值直方图。

　　5、批量：用以直方图计算的传入神经元网络输入批的大小。

　　6、写图像：是否在张量板中将模型权重以图片可视化。

　　7、更新_频率：常用的三个值为"批次"、"纪元"或整数。当使用"批量"时，在每个一批之后将损失和评估值写入到张量板中"纪元"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张量板中。

　　默认值如下：

　　log_dir= ./logs ，#默认保存在当前文件夹下的日志文件夹之下

　　直方图_频率=0,

　　batch_size=32

　　write_graph=True，#默认是没错，默认是显示图表的。

　　write_grads=False，

　　write_images=False

　　update_freq=纪元

使用例子

　　以手写体为例子，我们打开直方图_频率和write_grads，也就是在张量板中保存权值直方图和梯度直方图。

　　打开CMD，利用tensorboard - logdir=logs生成张量板观测网页。

1、loss和acc

2、权值直方图

3、梯度直方图

实现代码

　　将数组作为铭牌导入

　　从keras .层导入输入，密集，下降，激活、Conv2D、MaxPool2D、展平

　　从keras.datasets导入手写数字识别

　　从keras.models导入模型

　　从keras.utils导入到_分类

　　回调导入张量板

　　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 _ categorial(y _ train，num_classes=10)

　　y _ test=to _ categorial(y _ test，num_classes=10)

　　batch_size=128

　　纪元=10

　　输入=输入([28,28,1])

　　x=Conv2D(32，(5，5)，activation=relu )(输入)

　　x=Conv2D(64，(5，5)，activation=relu)(x)

　　x=MaxPool2D(pool_size=(2，2))(x)

　　x=Flatten()(x)

　　x=密集(128,激活=relu)(x)

　　x=辍学(0.5)(x)

　　x=密集(10,激活=softmax)(x)

　　模型=模型(输入，x)

　　模型。编译(loss= category _ cross entropy ，optimizer=adam ，metrics=[acc])

　　张量板=张量板(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])

　　以上就是张量流可视化克拉斯框架中张量板使用示例的详细内容，更多关于喀拉斯张量板可视化的资料请关注盛行信息技术软件开发工作室其它相关文章!

郑重声明：本文由网友发布，不代表盛行IT的观点，版权归原作者所有，仅为传播更多信息之目的，如有侵权请联系，我们将第一时间修改或删除，多谢。