Tensorflow keras tensorboard：在同一个图中绘制序列和验证标量

所以我在keras内使用张力板。在tensorflow中，可以使用两个不同的摘要编写器来编写训练和验证标量，这样tensorboard就可以将它们绘制在同一个图形中

在keras有没有办法做到这一点

---

谢谢

要使用单独的编写器处理验证日志，您可以编写一个自定义回调，该回调围绕原始的

TensorBoard

方法

导入操作系统
导入tensorflow作为tf
从keras.callbacks导入TensorBoard
列车级张力板（张力板）：
def uuu init uuuu（self，log_dir='./logs'，**kwargs）：
#将原始“TensorBoard”记录到“training”子目录中
training\u log\u dir=os.path.join（log\u dir，‘training’）
超级（TrainValTensorBoard，self）。\uuuuu初始（training\u log\u dir，**kwargs）
#将验证指标记录到单独的子目录中
self.val\u log\u dir=os.path.join（log\u dir，‘验证’）
def set_型号（自身，型号）：
#验证指标的设置编写器
self.val\u writer=tf.summary.FileWriter（self.val\u log\u dir）
super（TrainValTensorBoard，self）.集_模型（模型）
def on_epoch_end（self、epoch、logs=None）：
#弹出验证日志，并使用
#“self.val\u writer”。还要重命名键，以便它们可以
#与培训指标绘制在同一图上
日志=日志或{}
val_logs={k.replace（'val_'，''）：v代表k，v在logs.items（）中，如果k.startswith（'val_'）}
对于名称，val_logs.items（）中的值：
summary=tf.summary（）
summary\u value=summary.value.add（）
summary\u value.simple\u value=value.item（）
summary_value.tag=名称
self.val\u writer.add\u摘要（摘要，纪元）
self.val_writer.flush（）
#将剩余的圆木传递到“TensorBoard.on”端`
logs={k:v代表k，logs.items（）中的v如果不是k.startswith（'val'）}
超级（TrainValTensorBoard，self）。在“纪元”端（纪元，日志）
列车端def（自身，日志=无）：
超级（火车车厢板，自我）。火车车厢端（原木）
self.val_writer.close（）

• 在

  \uuuu init\uuuu

  中，为培训和验证日志设置了两个子目录
• 在

  set\u model

  中，为验证日志创建一个writer

  self.val\u writer

• 在_epoch_end上的

  中，验证日志与培训日志分离，并通过
  self.val_writer

以MNIST数据集为例：

从keras.models导入
从keras.layers导入稠密
从keras.dataset导入mnist
（x_列，y_列），（x_测试，y_测试）=列表负载数据（）
x_列=x_列。重塑（60000784）
x_测试=x_测试。重塑（10000，784）
x_-train=x_-train.astype（'float32'）
x_test=x_test.astype（'float32'）
x_列/=255
x_检验/=255
模型=顺序（）
添加（密集（64，激活=relu'，输入形状=（784，））
model.add（密集型（10，activation='softmax'））
compile（loss='sparse'\u categorical'\u crossentropy'，optimizer='adam'，metrics=['accurity']）
模型拟合（x_序列，y_序列，历次=10，
验证数据=（x检验，y检验），
回调=[TrainValTensorBoard（write_graph=False）]）

然后可以在TensorBoard中将同一图形上的两条曲线可视化

---

EDIT:我对该类做了一些修改，以便它可以用于急切执行

最大的变化是我在下面的代码中使用了

tf.keras

。独立Keras中的

TensorBoard

回调似乎还不支持急切模式

导入操作系统
导入tensorflow作为tf
从tensorflow.keras.callbacks导入TensorBoard
从tensorflow.python.eager导入上下文
列车级张力板（张力板）：
def uuu init uuuu（self，log_dir='./logs'，**kwargs）：
self.val\u log\u dir=os.path.join（log\u dir，‘验证’）
training\u log\u dir=os.path.join（log\u dir，‘training’）
超级（TrainValTensorBoard，self）。\uuuuu初始（training\u log\u dir，**kwargs）
def set_型号（自身，型号）：
if context.executing_急切地（）
self.val\u writer=tf.contrib.summary.create\u file\u writer（self.val\u log\u dir）
其他：
self.val\u writer=tf.summary.FileWriter（self.val\u log\u dir）
super（TrainValTensorBoard，self）.集_模型（模型）
定义、编写、自定义摘要（自我、步骤、日志=无）：
日志=日志或{}
val_logs={k.replace（'val_'，''）：v表示k，v表示logs.items（）中的v，如果k}中的'val_'
if context.executing_急切地（）
使用self.val_writer.as_default（）、tf.contrib.summary.always_record_summaries（）：
对于名称，val_logs.items（）中的值：
tf.contrib.summary.scalar（名称，值.item（），步骤=步骤）
其他：
对于名称，val_logs.items（）中的值：
summary=tf.summary（）
summary\u value=summary.value.add（）
summary\u value.simple\u value=value.item（）
summary_value.tag=名称
self.val\u writer.add\u摘要（摘要，步骤）
self.val_writer.flush（）
logs={k:v代表k，logs.items（）中的v如果不是k}
超级（TrainValTensorBoard，self）。\编写\自定义\总结（步骤、日志）
列车端def（自身，日志=无）：
超级（火车车厢板，自我）。火车车厢端（原木）
self.val_writer.close（）

想法是一样的--

• 检查

  TensorBoard

  回调的源代码
• 看看它如何设置编写器
• 在这个自定义回调中执行相同的操作

同样，您可以使用MNIST数据对其进行测试

从tensorflow.keras.datasets导入mnist
从tensorflow.keras.models导入顺序
从tensorflow.keras.layers导入稠密
从tensorflow.train导入AdamOptimizer