Se usó la API de Cloud Translation para traducir esta página.
Switch to English

tf.keras.callbacks.TensorBoard

TensorFlow 1 versión Ver código fuente en GitHub

Activar visualizaciones para TensorBoard.

Hereda de: Callback

Se utiliza en los cuadernos

Se utiliza en la guía Se utiliza en los tutoriales

TensorBoard es una herramienta de visualización provisto con TensorFlow.

Esta devolución de llamada registra los eventos de TensorBoard, incluyendo:

  • Gráficos de resumen de métricas
  • la visualización gráfica de entrenamiento
  • histogramas de activación
  • perfiles muestreados

Si ha instalado TensorFlow con PIP, usted debería ser capaz de lanzar TensorBoard desde la línea de comandos:

 tensorboard --logdir=path_to_your_logs
 

Puede encontrar más información sobre TensorBoard aquí .

Ejemplo (básico):

 tensorboard_callback = tf.keras.callbacks.TensorBoard(log_dir="./logs")
model.fit(x_train, y_train, epochs=2, callbacks=[tensorboard_callback])
# run the tensorboard command to view the visualizations.
 

Ejemplo (perfil):

 # profile a single batch, e.g. the 5th batch.
tensorboard_callback = tf.keras.callbacks.TensorBoard(log_dir='./logs',
                                                      profile_batch=5)
model.fit(x_train, y_train, epochs=2, callbacks=[tensorboard_callback])
# Now run the tensorboard command to view the visualizations (profile plugin).

# profile a range of batches, e.g. from 10 to 20.
tensorboard_callback = tf.keras.callbacks.TensorBoard(log_dir='./logs',
                                                      profile_batch='10,20')
model.fit(x_train, y_train, epochs=2, callbacks=[tensorboard_callback])
# Now run the tensorboard command to view the visualizations (profile plugin).
 

log_dir la ruta del directorio donde guardar los archivos de registro para ser analizado por TensorBoard.
histogram_freq frecuencia (en épocas) en el que a la activación de cómputo y el peso histogramas para las capas del modelo. Si se establece en 0, no se computarán los histogramas. Validación de datos (o división) debe especificarse para la visualización del histograma.
write_graph si para visualizar el gráfico de la TensorBoard. El archivo de registro puede llegar a ser bastante grande cuando write_graph se establece en True.
write_images si pesas modelo de escritura de visualizar como imagen en TensorBoard.
update_freq 'batch' o 'epoch' o entero. Cuando se utiliza 'batch' , escribe las pérdidas y las métricas a TensorBoard después de cada lote. Lo mismo se aplica para la 'epoch' . Si se utiliza un número entero, digamos 1000 , la devolución de llamada escribirá las métricas y pérdidas para cada TensorBoard 1000 lotes. Tenga en cuenta que la escritura con demasiada frecuencia a TensorBoard puede ralentizar su formación.
profile_batch Perfil del lote (s) con las características de la muestra de cálculo. profile_batch debe ser un número entero no negativo o una tupla de números enteros. Un par de enteros positivos significa una serie de lotes de perfil. Por defecto, se perfilará el segundo lote. Conjunto profile_batch = 0 para desactivar perfiles.
embeddings_freq frecuencia (en épocas) en la que se visualiza capas de incrustación. Si se establece en 0, no se visualizarán las incrustaciones.
embeddings_metadata un diccionario que mapea nombre de la capa a un nombre de archivo en el que se guarda metadatos para esta capa de encaje. Ver los detalles sobre el formato de archivos de metadatos. En caso de que el mismo archivo de metadatos se utiliza para todas las capas de incrustación, la cadena se puede pasar.

ValueError Si histogram_freq se establece y no se proporcionan datos de validación.

Métodos

set_model

Ver fuente

Sistemas Del Keras y escribe el gráfico si se especifica.

set_params

Ver fuente