如何使用Keras的Tensorboard回调？

我用Keras建立了一个神经网络。我将通过Tensorboard可视化其数据，因此我利用了：

keras.callbacks.TensorBoard（log\u dir='/Graph'，histogram\u freq=0，
write_graph=True，write_images=True）

如中所述。当我运行回调时，我得到

，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？

keras.callbacks.TensorBoard（log\u dir='./Graph'，histogram\u freq=0，
write_graph=True，write_images=True）

此行创建了一个回调Tensorboard对象，您应该捕获该对象并将其交给模型的

fit

函数

tbCallBack=keras.callbacks.TensorBoard（log\u dir='./Graph'，histogram\u freq=0，write\u Graph=True，write\u images=True）
...
fit（…输入和参数…，回调=[tbCallBack]）

通过这种方式，您将回调对象赋给了函数。它将在培训期间运行，并输出可与tensorboard一起使用的文件

如果要可视化培训期间创建的文件，请在终端中运行

tensorboard --logdir path_to_current_dir/Graph 

tensorboard  --logdir Graph/

希望这有帮助

变化

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

到

并设置您的模型

tbCallback.set_model(model)

在你的终点站跑步

tensorboard --logdir path_to_current_dir/Graph 

tensorboard  --logdir Graph/

---

你写的是

log\u dir='/Graph'

你的意思是

/Graph

？您目前已将其发送到

/home/user/Graph

。

以下是您如何使用：

从keras.callbacks导入TensorBoard
tensorboard=tensorboard（对数方向='。/对数'，直方图频率=0，
写入图形=真，写入图像=假）
#定义模型
模型安装（X_系列、Y_系列、，
批次大小=批次大小，
纪元=nb_纪元，
验证数据=（X检验，Y检验），
洗牌=正确，
回调=[tensorboard]）

以下是一些代码：

K.set\u学习阶段（1）
K.设置图像数据格式（'channels\u last'）
tb_callback=keras.callbacks.TensorBoard(
log\u dir=日志路径，
直方图_freq=2，
write_graph=True
)
tb_回调。设置_模型（模型）
回调=[]
追加（tb\U回调）
#列车网络：
历史=model.fit(
[x_列车]，
[y_train，y_train_c]，
批量大小=int（炒作空间['batch\u size']），
时代，
洗牌=正确，
verbose=1，
回调=回调，
验证数据=（[x_检验]，[y_检验，y_检验粗]）
).历史
#测试网：
K.设置学习阶段（0）
分数=模型。评估（[x_测试]，[y_测试，y_测试，粗糙]，详细=0）

基本上，

histogram\u freq=2

是调用此回调时要调整的最重要参数：它设置调用回调的时间间隔，目标是在磁盘上生成更少的文件

这是一个在TensorBoard中，在“直方图”选项卡下（我发现“分布”选项卡包含非常相似的图表，但在侧面翻转）看到的最后一次卷积值在整个训练过程中的演变的可视化示例：

---

如果您想在上下文中看到完整的示例，您可以参考这个开源项目：

您应该查看Losswise（），它有一个比Tensorboard更易于使用的Keras插件，并且有一些很好的额外功能。有了Losswise，您只需使用Losswise.libs import LosswiseKerasCallback中的

，然后
callback=LosswiseKerasCallback（tag='my fancy convnet 1'）
，就可以开始了（请参见）。
几乎没有什么东西

首先，不是
/Graph
，而是
/Graph

第二，当您使用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，如果您想使用除标量摘要之外的任何内容，那么您应该只使用
fit
方法，因为
fit\u generator
将不起作用。或者您可以重写回调以使用
fit\u generator

要添加回调，只需将其添加到
model.fit（…，callbacks=您的回调列表）
如果您正在使用Keras库并希望使用tensorboard打印精度图和其他变量，则以下是要遵循的步骤

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，在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“/”图形。它将在当前工作目录中生成graph文件夹，避免使用“/graph”

步骤3：在“model.fit（）”中包含Tensorboard回调

model.fit(X_train,y_train, batch_size=batch_size, epochs=nb_epoch, verbose=1, validation_split=0.2,callbacks=[tensor_board])

步骤4：运行代码并检查图形文件夹是否在工作目录中。如果上述代码正常工作，您将有“图形”
工作目录中的文件夹

第5步：在您的工作目录中打开Terminal并键入下面的命令

tensorboard --logdir ./Graph

步骤6：现在打开web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
 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，如果得到Keras错误

“必须为占位符张量提供一个值”

尝试在创建模型之前重置Keras会话，方法是：

import keras.backend as K
K.clear_session()

如果您使用的是google colab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

我得到了
AttributeError:“TensorBoard”对象没有属性“set\u model”
。我建议将
直方图频率设置为
1
。直方图\频率：计算模型层激活直方图的频率（以历元为单位）。如果设置为0，则不会计算直方图。注意：“/Graph”在根目录中创建目录，“/Graph”在工作目录中创建目录。@MattKleinsmith如果设置为0，只有模型各层的激活和权重直方图不会通过验证数据、度量进行计算