如何在训练过程中查看网络权重和偏见

Question

我有以下代码。 我想看看在训练过程中权重和偏见如何变化。 理想情况下，我希望在张量板上看到它。 有人可以向我展示如何执行此操作。

from time import time

import numpy as np
import matplotlib.pyplot as plt
import keras
import tensorflow as tf
from keras.callbacks import TensorBoard
from sklearn.preprocessing import MinMaxScaler
scaler = MinMaxScaler()
x = scaler.fit_transform(np.array([[1965.0], [1980.0]])).reshape(-1,1)
y = scaler.fit_transform(np.array([[320.0], [345.0]])).reshape(-1,1)
tensorboard = TensorBoard(log_dir='logs/{}'.format(time()), write_grads=True)
model = keras.Sequential([keras.layers.Dense(1, activation='linear')])
model.compile(optimizer='sgd',
              loss="mean_squared_error")
model.fit(x=x, y=y, epochs=1000, callbacks=[tensorboard])

yHat = model.predict(x)

Answer 1

基于Keras documentation，您可能需要做的只是运行命令行：

tensorboard --logdir=logs

请注意，logdir设置指向您的日志目录的根。