python - Keras plot_model() 函数:更精细的输出
问题描述
我正在使用Keras plot_model() 函数来可视化我的机器学习模型。除了我的输出的第一个节点总是只是一个非常大的数字的问题之外,这个函数还有一个让我烦恼的事情:它没有提供非常精细的输出。例如,我希望能够看到有关使用的损失函数、批量大小、时期数、使用的优化器等的更多信息......
有什么方法可以从我之前保存到磁盘并使用 model_from_json() 函数再次加载的模型中检索此信息?
解决方案
TensorBoardCallback怎么样?如果您使用 Tensorflow 作为后端,它将创建交互式图表,您可以根据您的模型进行探索。
您只需将其作为回调添加到您的 fit 函数并确保write_graph=True
已设置(默认情况下)。如果你想要一个快捷方式,你可以直接调用它的方法而不是作为回调传递:
tensorboard = TensorboardCallback()
tensorboard.set_model(model) # your model here, will write graph etc
tensorboard.on_train_end() # will close the writer
然后只需运行tensorboard --logdir=./logs
即可启动服务器。
推荐阅读
- python - Python函数返回二维numpy数组中异常值的索引
- android - 带有 sqlite 数据库的 Android 分页库
- windows - 能够写入其他进程的内存并执行 Windows 中的线程有什么合法目的?
- sql-server-2008 - SSIS 中的数据类型问题
- html - 图像变暗而不是文本的视差站点
- javascript - 如何将lodash对象(过滤器对象)动态转换为jquery的listview
- c# - 尝试将项目添加到列表时,Foreach 循环中断
- javascript - 带有箭头和匿名函数的 this 关键字
- eclipse - 如何将引用的库与我的项目一起发送
- django - 如何在 Django 中使用 None 保存 FileField?