TensorFlow工具快速入門教程8 TensorBoard簡介

摘要： 什麼是TensorBoard? Tensorboard是視覺化圖形介面。幷包含理解，除錯和優化模型的其他工具。 圖片.png Scalars：在模型訓練期間顯示不同的有用資訊 Graphs：顯示模型 Histogram：使...

什麼是TensorBoard?

Tensorboard是視覺化圖形介面。幷包含理解，除錯和優化模型的其他工具。

• Scalars：在模型訓練期間顯示不同的有用資訊
• Graphs：顯示模型
• Histogram：使用直方圖顯示權重
• Distribution：顯示權重分佈
• Projector 顯示主成分分析和T-SNE演算法。該技術用於降維

如果檢視圖表，可以瞭解模型的工作原理。

• 資料排隊模型：將等於批量大小的資料量推送到模型，即每次迭代後的資料饋送數量
• 將資料提供給Tensors
• 訓練模型
• 顯示訓練期間的批次數。將模型儲存在磁碟上。

tensorboard背後的基本思想是神經網路為黑盒子，我們需要工具來檢查這個盒子裡面的東西。您可以將tensorboard想象成一個手電筒。

它有助於理解操作之間的依賴關係，如何計算權重，顯示損失函式和許多其他有用資訊。當您將所有這些資訊組合在一起時，您就擁有了很好的工具來除錯並改進模型。

神經網路決定如何在模型預測結果之前連線不同的“神經元”和多少層。一旦定義了體系結構，您不僅需要訓練模型，還需要使用度量來計算預測的準確性。該度量被稱為損失函式。目標是最小化損失函式。換句話說，這意味著模型減少了錯誤。所有機器學習演算法將重複多次計算，直到損失達到更平坦的線。要最大限度地減少此丟失功能，您需要定義學習率。這是您希望模型學習的速度。如果您將學習率設定得太高，則模型沒有時間學習任何東西。左圖是這種情況。線條正在上下移動，這意味著模型預測純粹的猜測結果。右圖顯示損失在迭代中逐漸減少，直到曲線變平，這意味著模型找到了解決方案。

TensorBoard是一個很好的工具，可以顯示這些指標並突出潛在的問題。神經網路在找到解決方案之前可能需要數小時到數週。

TensorBoard經常更新指標。在這種情況下，您無需等到最後才能看到模型是否正確訓練。您可以開啟TensorBoard檢查訓練的進展情況，並在必要時進行適當的更改。

參考資料

• 討論qq群144081101 591302926 567351477 釘釘群21745728
• ofollow,noindex">本文最新版本地址
• 本文涉及的python測試開發庫 謝謝點贊！
• 本文相關海量書籍下載

TensorBoard快速入門

程式碼：

#!/usr/bin/env python3
# -*- coding: utf-8 -*-
# Author:xurongzhong#126.com wechat:pythontesting qq:37391319
# 技術支援 釘釘群：21745728(可以加釘釘pythontesting邀請加入) 
# qq群：144081101 591302926567351477
# CreateDate: 2018-11-21
import numpy as np
import tensorflow as tf

X_train = (np.random.sample((10000,5)))
y_train =(np.random.sample((10000,1)))
X_train.shape

feature_columns = [
tf.feature_column.numeric_column('x', shape=X_train.shape[1:])]
DNN_reg = tf.estimator.DNNRegressor(feature_columns=feature_columns,
# Indicate where to store the log file
model_dir='train/linreg',
hidden_units=[500, 300],
optimizer=tf.train.ProximalAdagradOptimizer(
learning_rate=0.1,
l1_regularization_strength=0.001
)
)

# Train the estimator
train_input = tf.estimator.inputs.numpy_input_fn(
x={"x": X_train},
y=y_train, shuffle=False,num_epochs=None)
DNN_reg.train(train_input,steps=3000)

執行 tensorboard --logdir=./train/linreg，就可以在網頁開啟tensorboard 。比如：http://172.20.16.98:6006。