[人工智能]睿智的keras深度学习（四）——TensorBoard进行快速、精美的可视化

系列文章往期回顾

睿智的keras深度学习（零）——keras使用时可能遇到的参数及含义
睿智的keras深度学习（一）——阈值逻辑单元和多层感知机
睿智的keras深度学习（二）——函数式API构建顺序模型快速上手
睿智的keras深度学习（三）——迅速了解回调函数

创建目录路径

在这里我们首先为储存使用tensorboard所需的文件设置一个路径

import os

curdir = os.curdir
root_logdir = os.path.join(curdir, "my_logs")
def get_run_logdir():
    import time
    run_id = time.strftime("run_%Y_%m_%d_-%H_%M_%M_%S")
    return os.path.join(root_logdir, run_id)

run_logdir = get_run_logdir()
print(run_logdir)

在训练时设置Tensorboard参数

from keras.callbacks import TensorBoard

tensorboard_cb = TensorBoard(run_logdir)
history = history = model.fit(X_train, y_train, epochs=20, validation_data=(X_valid, y_valid), callbacks=[tensorboard_cb])

TensorBoard可视化jupyter做法

%load_ext tensorboard
%tensorboard --logdir=./my_logs --port=6006

TensorBoard可视化cmd命令行做法

可视化效果图