如何使用Keras的Tensorboard回调？

Question

我与Keras建立了一个神经网络。我会通过Tensorboard可视化其数据，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？

Answer 1

keras.callbacks.TensorBoard(log_dir='./Graph', histogram_freq=0,  
          write_graph=True, write_images=True)

此行创建一个Callback Tensorboard对象，您应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。

如果要显示培训期间创建的文件，请在终端中运行

tensorboard --logdir path_to_current_dir/Graph 

希望这有帮助！

Answer 2

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])

Answer 3

更改

keras.callbacks.TensorBoard(log_dir='/Graph', histogram_freq=0,  
          write_graph=True, write_images=True)

到

tbCallBack = keras.callbacks.TensorBoard(log_dir='Graph', histogram_freq=0,  
          write_graph=True, write_images=True)

并设置您的模型

tbCallback.set_model(model)

在您的终端中运行

tensorboard  --logdir Graph/

Answer 4

如果您正在使用Keras库并希望使用张量板来打印精度和其他变量的图形，那么下面是要遵循的步骤。

步骤1：使用以下命令

初始化keras回调库以导入tensorboard

from keras.callbacks import TensorBoard

步骤2：在“model.fit（）”命令之前的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”。它将在当前工作目录中生成图形文件夹，避免使用“/ graph”。

步骤3：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：运行代码并检查工作目录中是否有图形文件夹。如果以上代码正常工作，您将拥有“图表” 工作目录中的文件夹。

步骤5：在工作目录中打开终端并输入以下命令。

tensorboard --logdir ./Graph

第6步：现在打开网络浏览器并输入以下地址。

http://localhost:6006

输入后，Tensorbaord页面将打开，您可以在其中看到不同变量的图形。

Answer 5

以下是一些代码：

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是调用此回调时调整的最重要参数：它设置一个时间间隔来调用回调，目标是在磁盘上生成更少的文件。

所以这里是TensorBoard中的最后一次卷积的值演变的示例可视化，在＆＃34;直方图＆＃34;选项卡（我发现＆＃34;发行版＆＃34;标签包含非常相似的图表，但侧面翻转）：

如果您想在上下文中查看完整示例，可以参考此开源项目：https://github.com/Vooban/Hyperopt-Keras-CNN-CIFAR-100

Answer 6

你写了log_dir='/Graph'你的意思是./Graph吗？您目前已将其发送至/home/user/Graph。

Answer 7

你应该查看Losswise（https://losswise.com），它有一个Keras插件，比Tensorboard更容易使用，并有一些很好的额外功能。使用Losswise时，您只需使用from losswise.libs import LosswiseKerasCallback然后使用callback = LosswiseKerasCallback(tag='my fancy convnet 1')即可开始使用（请参阅https://docs.losswise.com/#keras-plugin）。

Answer 8

几乎没有。

首先，不是/Graph而是./Graph

其次，当你使用TensorBoard回调时，总是传递验证数据，因为没有它，它就不会启动。

第三，如果你想使用除标量摘要之外的任何东西，那么你应该只使用fit方法，因为fit_generator将不起作用。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)

即可

Answer 9

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

  

“您必须输入占位符张量的值”

尝试通过执行以下操作在模型创建之前重置Keras会话：

import keras.backend as K
K.clear_session()

Answer 10

如果您使用的是 google-colab ，则图形的简单可视化将是：

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