这篇教程入门tensorflow教程之TensorBoard可视化模型训练写得很实用，希望能帮到您。
TensorBoard是用于可视化图形和其他工具以理解、调试和优化模型的界面。 它是一种为机器学习工作流提供测量和可视化的工具。 它有助于跟踪损失和准确性、模型图可视化、低维空间中的项目嵌入等指标。 下面，我们使用MNIST 数据的图像分类模型 ，将首先导入所需的库并加载数据集。 模型的建立使用最简单的顺序模型import tensorflow as tf(X_train, y_train), (X_test, y_test) = tf.keras.datasets.mnist.load_data()from tensorflow.keras.utils import np_utilsX_train=X_train.astype('float32')X_test=X_test.astype('float32')X_train/=255X_test/=255X_train = X_train.reshape(X_train.shape[0], 28, 28, 1).astype('float32')X_test = X_test.reshape(X_test.shape[0], 28, 28, 1).astype('float32')y_train = np_utils.to_categorical(y_train, 10)y_test = np_utils.to_categorical(y_test, 10)model = Sequential()model.add(Convolution2D(32, 3, 3, input_shape=(28, 28, 1)))model.add(Activation('relu'))model.add(Dropout(0.25))model.add(Convolution2D(32, 3, 3))model.add(Activation('relu'))model.add(Convolution2D(32, 3, 3))model.add(Activation('relu'))model.add(Dropout(0.25))model.add(Flatten())model.add(Dense(128))model.add(Dense(128))model.add(Activation('relu'))model.add(Dense(10))model.add(Activation('softmax'))model.compile(loss='categorical_crossentropy',optimizer='adam',metrics=['accuracy'])keras API 训练模型时， 创建了一个 tensorboard 回调以确保将指标记录在指定的目录中。 这里保存到logs/fit import datetime!rm -rf ./logs/log_dir = "logs/fit/" + datetime.datetime.now().strftime("%Y%m%d-%H%M%S")tensorboard_callback=tf.keras.callbacks.TensorBoard(log_dir=log_dir, histogram_freq=1)model.fit(x=X_train, y=y_train,epochs=30,validation_data=(X_test, y_test), callbacks=[tensorboard_callback])
如果使用colab，并不支持使用终端 对于 Windows 用户：tensorboard --logdir= logs/fitg Tensorboard 位于：http://localhost:6006 如果使用colab，需要加载TensorBoard扩展程序 %load_ext tensorboard%tensorboard --logdir logs/fitfrom tensorboard import notebooknotebook.listnotebook.display(port=6006, height=1000) 
如果训练迭代5k到55k， TensorBoard会给出测试集的大概结果
如果在torch中是使用TensorBoard，在PyTorch 1.8.1 版本的发布，需要使用 PyTorch Profiler， 需要安装torch_tb_profiler。 torch_tb_profiler是TensorBoard的一个插件，可以可视化GPU的情况，
具体参考官方教程 https://pytorch.org/tutorials/intermediate/tensorboard_profiler_tutorial.html https://github.com/pytorch/kineto/tree/main/tb_plugin 到此这篇关于小白入门学习TensorBoard可视化模型训练的文章就介绍到这了,更多相关TensorBoard可视化模型训练内容请搜索51zixue.net以前的文章或继续浏览下面的相关文章希望大家以后多多支持51zixue.net！
Python 中闭包与装饰器案例详解
tensorflow基本操作小白快速构建线性回归和分类模型 |
