这篇文章给大家介绍怎么在Keras中使用tensorboard显示训练过程，内容非常详细，感兴趣的小伙伴们可以参考借鉴，希望对大家能有所帮助。
创新互联建站-专业网站定制、快速模板网站建设、高性价比阜城网站开发、企业建站全套包干低至880元,成熟完善的模板库,直接使用。一站式阜城网站制作公司更省心,省钱,快速模板网站建设找我们，业务覆盖阜城地区。费用合理售后完善，十多年实体公司更值得信赖。
方法一（标准调用方法）：
采用keras特有的fit()进行训练，只要在fit的时候指定callbacks函数即可，代码如下
from keras.callbacks import TensorBoard
from keras.models import Sequential
……
model = Sequential()
……
tbCallBack = keras.callbacks.TensorBoard(log_dir='./Graph',
histogram_freq=1,
write_graph=True,
write_images=True)
model_history = model.fit(X_train_train,
y_train_train,
batch_size=batch_size,
epochs=epochs,
verbose=1,
validation_data=(X_train_val, y_train_val),
callbacks = [EarlyStopping(patience=patience,mode='min',verbose=1),
history,
tbCallBack])
虽然这种方法看上去很美，但它只适用于标准训练方法，如果你想用自己的训练方法，就需要调用train_on_batch，而不能直接使用fit()，这时就要采用下面这种方法：
方法二（特殊调用方法）：
这种方法可用于调用train_on_batch的情况。
%预先写好writer，定义好model
writer = tf.summary.FileWriter(…)
model = …
%训练时
loss = model.train_on_batch(…)
summary = tf.Summary(value=[
tf.Summary.Value(tag=”d_loss”, simple_value=d_loss),
tf.Summary.Value(tag=”g_loss”, simple_value=g_loss),
])
writer.add_summary(summary)
虽然很简单，但这种方法只能显示scalar类型，不能显示image,histgram等，非常不实用。真正实用的是下面的终结方法：
方法三（最实用的方法）
最实用的还是用tensorflow原生的调用方法，虽然相对方法二麻烦一点，但考虑到此方法与tensorflow一样，不需要去记那些额外的花拳绣腿，因此反而是最简单的，也是最有效的。
代码如下：
import tensorflow as tf
import datetime
%在训练开始之前，预先定义好可视化的东西，用的是原生的tensorflow方法，这里我们以一个GAN模型为例，让它显示整张模型图，两个标量损失函数，以及5个生成图像。方法是预先用placeholder声明所要显示的那些东西，然后在训练过程中将训练结果来填充它们。你可以自行加入histgram，都和tensorflow一样
#start tensorboard
sess=tf.Session()
logdir = “tensorboard/” + datetime.datetime.now().strftime(“%Y%m%d-%H%M%S”) + “/”
writer = tf.summary.FileWriter(logdir, sess.graph)
D_LOSS = tf.placeholder(tf.float32, [])
G_LOSS = tf.placeholder(tf.float32, [])
IMAGES = tf.placeholder(tf.float32,shape=[None,28,28,1])
tf.summary.scalar(“D_LOSS”, D_LOSS)
tf.summary.scalar(“G_LOSS”, G_LOSS)
tf.summary.image(“IMAGES”, IMAGES, 5)
merged=tf.summary.merge_all()
#end tensorboard
训练迭代过程中，是这样的
for epoch in range(100):
% 用keras的train_on_batch方法进行训练
d_loss = d.train_on_batch(。。。。。。)
g_loss = d_on_g.train_on_batch(。。。。。。)
generated_images = g.predict(。。。。。。)
if index%10==0: #tensorboard
% 将训练结果填充可视化数据
summary=sess.run(merged,feed_dict={D_LOSS:d_loss, G_LOSS:g_loss, IMAGES:generated_images})
writer.add_summary(summary,index)关于怎么在Keras中使用tensorboard显示训练过程就分享到这里了，希望以上内容可以对大家有一定的帮助，可以学到更多知识。如果觉得文章不错，可以把它分享出去让更多的人看到。
网站名称：怎么在Keras中使用tensorboard显示训练过程-创新互联
转载来源：
http://cdkjz.cn/article/coejjg.html
