Keras'ın Tensorboard geri aramasını nasıl kullanırım?

Keras ile bir sinir ağı kurdum. Verilerini Tensorboard ile görselleştirirdim, bu yüzden kullandım:

keras.callbacks.TensorBoard(log_dir='/Graph', histogram_freq=0,
                            write_graph=True, write_images=True)

olarak açıklanmıştır keras.io . Geri aramayı çalıştırdığımda alıyorum <keras.callbacks.TensorBoard at 0x7f9abb3898>, ancak "Graph" klasörümde herhangi bir dosya almıyorum. Bu geri aramayı nasıl kullandığımda bir sorun mu var?

keras.callbacks.TensorBoard(log_dir='./Graph', histogram_freq=0,  
          write_graph=True, write_images=True)

Bu satır bir Geri Arama Tensorboard nesnesi oluşturur, bu nesneyi yakalamalı ve fitmodelinizin işlevine vermelisiniz .

tbCallBack = keras.callbacks.TensorBoard(log_dir='./Graph', histogram_freq=0, write_graph=True, write_images=True)
...
model.fit(...inputs and parameters..., callbacks=[tbCallBack])

Bu şekilde geri arama nesnenizi işleve verdiniz. Eğitim sırasında çalıştırılacak ve tensorboard ile kullanılabilecek dosyalar çıkacaktır.

Egzersiz sırasında oluşturulan dosyaları görselleştirmek istiyorsanız terminalinizde çalıştırın

tensorboard --logdir path_to_current_dir/Graph 

Bu yardımcı olur umarım !

TensorBoard geri aramasını şu şekilde kullanırsınız :

from keras.callbacks import TensorBoard

tensorboard = TensorBoard(log_dir='./logs', histogram_freq=0,
                          write_graph=True, write_images=False)
# define model
model.fit(X_train, Y_train,
          batch_size=batch_size,
          epochs=nb_epoch,
          validation_data=(X_test, Y_test),
          shuffle=True,
          callbacks=[tensorboard])

Değişiklik

keras.callbacks.TensorBoard(log_dir='/Graph', histogram_freq=0,  
          write_graph=True, write_images=True)

için

tbCallBack = keras.callbacks.TensorBoard(log_dir='Graph', histogram_freq=0,  
          write_graph=True, write_images=True)

ve modelini ayarla

tbCallback.set_model(model)

Terminalinizde koşun

tensorboard  --logdir Graph/

Keras kütüphanesi ile çalışıyorsanız ve doğruluk grafiklerinizi ve diğer değişkenleri yazdırmak için tensorboard kullanmak istiyorsanız, aşağıdaki adımlar aşağıdadır.

1. adım: Aşağıdaki komutu kullanarak tensorboard'u içe aktarmak için keras geri arama kitaplığını başlatın

from keras.callbacks import TensorBoard

2. adım: Aşağıdaki komutu programınıza "model.fit ()" komutundan hemen önce ekleyin.

tensor_board = TensorBoard(log_dir='./Graph', histogram_freq=0, write_graph=True, write_images=True)

Not: "./graph" kullanın. Geçerli çalışma dizininizde grafik klasörü oluşturur, "/ graph" kullanmaktan kaçının.

adim 3: "model.fit ()" içine Tensorboard geri çağrısını ekleyin Örnek aşağıda verilmiştir.

model.fit(X_train,y_train, batch_size=batch_size, epochs=nb_epoch, verbose=1, validation_split=0.2,callbacks=[tensor_board])

4. adım: Kodunuzu çalıştırın ve grafik klasörünüzün çalışma dizininizde olup olmadığını kontrol edin. yukarıdaki kodlar düzgün çalışıyorsa, çalışma dizininizde "Graph" klasörü bulunacaktır.

Adım 5: Çalışma dizininizde Terminal'i açın ve aşağıdaki komutu yazın.

tensorboard --logdir ./Graph

6. adım: Şimdi web tarayıcınızı açın ve adresi aşağıya girin.

http://localhost:6006

Girdikten sonra, farklı değişkenlerin grafiklerini görebileceğiniz Tensorbaord sayfası açılacaktır.

İşte bazı kod:

K.set_learning_phase(1)
K.set_image_data_format('channels_last')

tb_callback = keras.callbacks.TensorBoard(
    log_dir=log_path,
    histogram_freq=2,
    write_graph=True
)
tb_callback.set_model(model)
callbacks = []
callbacks.append(tb_callback)

# Train net:
history = model.fit(
    [x_train],
    [y_train, y_train_c],
    batch_size=int(hype_space['batch_size']),
    epochs=EPOCHS,
    shuffle=True,
    verbose=1,
    callbacks=callbacks,
    validation_data=([x_test], [y_test, y_test_coarse])
).history

# Test net:
K.set_learning_phase(0)
score = model.evaluate([x_test], [y_test, y_test_coarse], verbose=0)

Temel olarak, histogram_freq=2bu geri aramayı çağırırken ayarlanması gereken en önemli parametre: disklerde daha az dosya oluşturmak amacıyla geri aramayı aramak için bir dönem aralığı belirler.

İşte burada TensorBoard'da bir kez "histogramlar" sekmesi altında eğitim sırasında son evrişim için değerlerin evriminin bir örnek görselleştirmesi (ve "dağıtımlar" sekmesini çok benzer grafikler içerdiğini, ancak yan tarafa çevirdiğimi gördüm):

Bağlamda tam bir örnek görmek isterseniz, şu açık kaynaklı projeye başvurabilirsiniz: https://github.com/Vooban/Hyperopt-Keras-CNN-CIFAR-100

Eğer google-colab kullanıyorsanız grafiğin basit görselleştirmesi şu şekildedir :

import tensorboardcolab as tb

tbc = tb.TensorBoardColab()
tensorboard = tb.TensorBoardColabCallback(tbc)


history = model.fit(x_train,# Features
                    y_train, # Target vector
                    batch_size=batch_size, # Number of observations per batch
                    epochs=epochs, # Number of epochs
                    callbacks=[early_stopping, tensorboard], # Early stopping
                    verbose=1, # Print description after each epoch
                    validation_split=0.2, #used for validation set every each epoch
                    validation_data=(x_test, y_test)) # Test data-set to evaluate the model in the end of training

Bunu log_dir='/Graph'mu demek istediniz ./Graph? Şu /home/user/Graphanda gönderdiniz .

Losswise'ya ( https://losswise.com ) göz atmalısınız , Keras için Tensorboard'dan daha kolay ve bazı güzel ekstra özelliklere sahip bir eklentisi var. Losswise ile from losswise.libs import LosswiseKerasCallbackve sonra kullanırsınız ve gitmekte fayda var callback = LosswiseKerasCallback(tag='my fancy convnet 1')(bkz. Https://docs.losswise.com/#keras-plugin ).

Birkaç şey var.

İlk olarak, değil /Graphama./Graph

İkincisi, TensorBoard geri aramasını kullandığınızda, her zaman doğrulama verilerini iletin, çünkü onsuz başlamaz.

Üçüncüsü, skaler özetler dışında bir şey kullanmak istiyorsanız, o zaman sadece fityöntemi kullanmamalısınız çünkü fit_generatorçalışmaz. Veya çalışmak için geri aramayı yeniden yazabilirsiniz fit_generator.

Geri arama eklemek için şunu ekleyin: model.fit(..., callbacks=your_list_of_callbacks)

Tensorboard geri aramasını oluşturma:

from keras.callbacks import TensorBoard
from datetime import datetime
logDir = "./Graph/" + datetime.now().strftime("%Y%m%d-%H%M%S") + "/"
tb = TensorBoard(log_dir=logDir, histogram_freq=2, write_graph=True, write_images=True, write_grads=True)

Tensorboard geri aramasını uygun aramaya iletin:

history = model.fit(X_train, y_train, epochs=200, callbacks=[tb])

Modeli çalıştırırken, bir Keras hatası alırsanız

"Yer tutucu tensörü için bir değer beslemelisiniz"

yaparak model oluşturmadan önce Keras oturumunu sıfırlamayı deneyin:

import keras.backend as K
K.clear_session()