15 Keras 可视化

【模型可视化】

1 from keras.utils import plot_model
2 plot_model(model, to_file='model.png')

　　可以在定义模型的时给每个层都加了一个名字。

【以表格形式显示模型】

1 model.summary()

【通过TensorBoard回调函数实现可视化】

　　在model的fit函数中加入TensorBoard的回调函数即可，训练数据就会自动保存在log_dir指定的目录内，然后在命令行启动命令 tensorboard –logdir=./log 即可。TensorBoard会记录loss及model.metrics里面的值，本例中即acc,loss,val_acc,val_loss四个值，每个epoch更新一次。

　　#定义回调函数

 1 tb = TensorBoard(log_dir='./logs',  # log 目录
 2                  histogram_freq=1,  # 按照何等频率（epoch）来计算直方图，0为不计算
 3                  batch_size=32,     # 用多大量的数据计算直方图
 4                  write_graph=True,  # 是否存储网络结构图
 5                  write_grads=False, # 是否可视化梯度直方图
 6                  write_images=False,# 是否可视化参数
 7                  embeddings_freq=0, 
 8                  embeddings_layer_names=None, 
 9                  embeddings_metadata=None)
10 callbacks = [tb]

　　#训练时，加入回调函数参数

1 model.fit(x_train,y_train,batch_size=64,epochs=2,
2           verbose=1,validation_data=(x_test,y_test),
3           callbacks=callbacks)

　　#通过TensorBoard监控训练过程

　　　　1-打开相同环境下的命令窗口，执行命令 tensorboard --logdir log_dir （参数保存的目录）示例：tensorboard --logdir 'E:/log'，注意logdir前面有连个杠

　　　　2-根据命令行的提示，在浏览器内输入网址，例如我的网址为：http://microwin10-1735:6006

15 Keras 可视化

推荐阅读