Question

我创建了一个包含3个隐藏图层的模型，并使用特定数据集对其进行了训练。

如何在每次迭代时使用神经元连接和权重可视化模型。

以下是python代码的片段：

#<ALL IMPORT STATEMENTS>
MODEL_DIR = <model_name>

def make_estimator(model_dir):
 config = run_config.RunConfig(model_dir=model_dir)
 feat_cols = [tf.feature_column.numeric_column("x", shape=<number_of_feat_cols>)]
 return estimator.DNNClassifier(config=config, hidden_units=[<>,<>,<>],feature_columns=feat_cols,n_classes=2,optimizer=tf.train.GradientDescentOptimizer(learning_rate=0.001))

data = pd.read_csv(<csv_file>)

feat_data = data.drop('Type',axis=1)
feat_data_matrix = feat_data.as_matrix()

labels = data['Type']
labels_matrix = labels.as_matrix()

deep_model = make_estimator(MODEL_DIR)
input_fn = estimator.inputs.numpy_input_fn(x={'x':feat_data_matrix}, y=labels_matrix, shuffle=True, batch_size=10, num_epochs=1000)
tr_steps = <step_size>
deep_model.train(input_fn=input_fn,steps=tr_steps)
print ("Training Done")

在上面的代码中，我没有创建任何tensorflow会话，没有它我在哪里可以实现TensorBoard API来可视化模型？

Answer 1

使用Python API只需调用方法tf.summary.FileWriter

即可

然后，如果您将SummaryWriter写入的文件加载到TensorBoard中，则会显示图形。

您必须像这样加载图表：

# Launch the graph.
current_session = tf.Session()
current_session.run(init)

# Create a summary writer, add the 'graph' to the event file.
writer = tf.summary.FileWriter(<some-directory>, current_session.graph)

请参阅here.

如何在tensorflow中可视化估算器训练模型？

1 个答案: