KerasのTensorboardコールバックを使用するにはどうすればよいですか？

Kerasでニューラルネットワークを構築しました。Tensorboardでデータを視覚化するため、以下を利用しました。

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

keras.ioで説明されています。コールバックを実行するとが取得され<keras.callbacks.TensorBoard at 0x7f9abb3898>ますが、「Graph」フォルダにファイルがありません。このコールバックの使用方法に何か問題がありますか？

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

この行はCallback Tensorboardオブジェクトを作成します。そのオブジェクトをキャプチャしてfit、モデルの関数に与える必要があります。

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

この方法で、コールバックオブジェクトを関数に渡しました。トレーニング中に実行され、テンソルボードで使用できるファイルを出力します。

トレーニング中に作成されたファイルを視覚化する場合は、ターミナルで実行します

tensorboard --logdir path_to_current_dir/Graph 

お役に立てれば ！

これがTensorBoardコールバックの使用方法です。

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])

変化する

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

に

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

モデルを設定します

tbCallback.set_model(model)

端末で実行する

tensorboard  --logdir Graph/

Kerasライブラリを使用していて、テンソルボードを使用して精度やその他の変数のグラフを印刷する場合は、以下の手順に従います。

ステップ1：以下のコマンドを使用してテンソルボードをインポートするようにkerasコールバックライブラリを初期化します

from keras.callbacks import TensorBoard

ステップ2：以下のコマンドをプログラムの「model.fit（）」コマンドの直前に含めます。

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

注：「./graph」を使用してください。現在の作業ディレクトリにグラフフォルダを生成します。「/ graph」の使用は避けてください。

ステップ3：Tensorboardコールバックを「model.fit（）」に含めます。サンプルを以下に示します。

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

ステップ4：コードを実行し、グラフフォルダが作業ディレクトリにあるかどうかを確認します。上記のコードが正しく機能する場合、作業ディレクトリに「Graph」フォルダがあります。

手順5：作業ディレクトリでターミナルを開き、以下のコマンドを入力します。

tensorboard --logdir ./Graph

ステップ6：Webブラウザーを開き、以下のアドレスを入力します。

http://localhost:6006

入力後、Tensorbaordページが開き、さまざまな変数のグラフを表示できます。

ここにいくつかのコードがあります：

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)

基本的にhistogram_freq=2は、このコールバックを呼び出すときに調整する最も重要なパラメーターです。これは、コールバックを呼び出すエポックの間隔を設定し、ディスク上に生成するファイルの数を減らすことを目的としています。

これが、TensorBoardの「ヒストグラム」タブの下で一度見られた最後の畳み込みの値の進化の視覚化の例です（「分布」タブには非常によく似たグラフが含まれていますが、横が反転しています）。

コンテキストで完全な例を確認したい場合は、このオープンソースプロジェクトを参照できます。https：//github.com/Vooban/Hyperopt-Keras-CNN-CIFAR-100

google-colabを使用している場合、グラフの単純な視覚化は次のようになります。

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

代わりに書いlog_dir='/Graph'たのです./Graphか？/home/user/Graph現時点でに送信しました。

Losswise（https://losswise.com）をチェックしてください。Tensorboard よりも使いやすいKerasのプラグインがあり、いくつかの優れた追加機能があります。Losswiseを使用すればfrom losswise.libs import LosswiseKerasCallback、あとは問題なく使用callback = LosswiseKerasCallback(tag='my fancy convnet 1')できます（https://docs.losswise.com/#keras-pluginを参照）。

いくつかあります。

まず、では/Graphなく./Graph

2つ目は、TensorBoardコールバックを使用するときは、常に検証データを渡すことです。それがないと、検証データが開始されないためです。

3番目に、スカラーサマリー以外のものを使用するfit場合は、fit_generatorが機能しないため、メソッドのみを使用する必要があります。または、で動作するようにコールバックを書き直すことができますfit_generator。

コールバックを追加するには、それに追加するだけです model.fit(..., callbacks=your_list_of_callbacks)

Tensorboardコールバックを作成します。

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コールバックをfit呼び出しに渡します。

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

モデルを実行しているときに、Kerasエラーが発生した場合

「プレースホルダーテンソルの値をフィードする必要があります」

次のようにして、モデルを作成する前にKerasセッションをリセットしてみてください：

import keras.backend as K
K.clear_session()