Esta página foi traduzida pela API Cloud Translation.
Switch to English

tf.keras.callbacks.TensorBoard

TensorFlow 1 versão Ver fonte no GitHub

Ativar visualizações para TensorBoard.

Herda de: Callback

Usado nos cadernos

Usado na guia Usado nos tutoriais

TensorBoard é uma ferramenta de visualização fornecido com TensorFlow.

Este callback registra eventos para TensorBoard, incluindo:

  • parcelas de resumo de métricas
  • visualização gráfico formação
  • histogramas de ativação
  • profiling amostrados

Se você tiver instalado TensorFlow com pip, você deve ser capaz de lançar TensorBoard a partir da linha de comando:

 tensorboard --logdir=path_to_your_logs
 

Você pode encontrar mais informações sobre TensorBoard aqui .

Exemplo (básica):

 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.
 

Exemplo (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 o caminho do diretório onde deseja salvar os arquivos de log a ser analisado pelo TensorBoard.
histogram_freq frequência (em épocas) em que a activação e peso computacional histogramas para as camadas do modelo. Se definido como 0, histogramas não serão computados. validação de dados (ou de divisão) devem ser especificados para as visualizações do histograma.
write_graph se para visualizar o gráfico em TensorBoard. O arquivo de log pode se tornar muito grande quando write_graph é definida como True.
write_images se a pesos modelo de escrita para visualizar como a imagem em TensorBoard.
update_freq 'batch' ou 'epoch' ou número inteiro. Ao usar o 'batch' , escreve as perdas e métricas para TensorBoard depois de cada lote. O mesmo se aplica para 'epoch' . Se estiver usando um inteiro, digamos 1000 , o retorno vai escrever as métricas e perdas para TensorBoard cada 1000 lotes. Note-se que escrever com muita freqüência para TensorBoard pode abrandar o seu treinamento.
profile_batch Perfil do lote (es) para características de computação de amostra. profile_batch deve ser um número inteiro não negativo ou um tuplo de inteiros. Um par de números inteiros positivos significam uma gama de lotes de perfil. Por padrão, ele irá traçar o perfil do segundo lote. Set profile_batch = 0 para desativar profiling.
embeddings_freq frequência (em épocas) em que as camadas de embebimento vai ser visualizado. Se definido como 0, embeddings não será visualizado.
embeddings_metadata um dicionário que mapeia nome da camada para um nome de arquivo no qual os metadados para essa camada incorporação é salvo. Veja os detalhes sobre o formato de arquivos de metadados. No caso, se o mesmo arquivo de metadados é usado para todas as camadas de incorporação, corda pode ser passado.

ValueError Se histogram_freq está definido e nenhuma validação de dados é fornecido.

Métodos

set_model

Ver fonte

Define modelo Keras e escreve o gráfico se especificado.

set_params

Ver fonte