web-dev-qa-db-ja.com

Keras：Tensorboardをtrain_on_batch（）で使用します

ケラス関数fit()およびfit_generator()の場合、_keras.callbacks.TensorBoard_オブジェクトを関数に渡すことにより、テンソルボードの可視化の可能性があります。 train_on_batch()関数の場合、明らかに使用可能なコールバックはありません。この場合にTensorboardを作成するためのケラスの他のオプションはありますか？

kerastensorboard
17
Oliver Wilken

現在、唯一の選択肢はテンソルフローコードを使用することだと思います。 このstackoverflowの答え では、テンソルボードログを手動で作成する方法を見つけました。したがって、keras train_on_batch()を含むコードサンプルは次のようになります。

# before training init writer (for tensorboard log) / model
writer = tf.summary.FileWriter(...)
model = ...

# train model
loss = model.train_on_batch(...)
summary = tf.Summary(value=[tf.Summary.Value(tag="loss", 
                                             simple_value=value), ])
writer.add_summary(summary)

注：Tensorboardのこの例では、夏期にステップが渡されないため、水平軸「RELATIVE」を選択する必要があります。

3
Oliver Wilken

TensorBoardコールバックを作成し、手動で駆動する可能な方法：

# This example shows how to use keras TensorBoard callback
# with model.train_on_batch

import tensorflow.keras as keras

# Setup the model
model = keras.models.Sequential()
model.add(...) # Add your layers
model.compile(...) # Compile as usual

batch_size=256

# Create the TensorBoard callback,
# which we will drive manually
tensorboard = keras.callbacks.TensorBoard(
  log_dir='/tmp/my_tf_logs',
  histogram_freq=0,
  batch_size=batch_size,
  write_graph=True,
  write_grads=True
)
tensorboard.set_model(model)

# Transform train_on_batch return value
# to dict expected by on_batch_end callback
def named_logs(model, logs):
  result = {}
  for l in Zip(model.metrics_names, logs):
    result[l[0]] = l[1]
  return result

# Run training batches, notify tensorboard at the end of each Epoch
for batch_id in range(1000):
  x_train,y_train = create_training_data(batch_size)
  logs = model.train_on_batch(x_train, y_train)
  tensorboard.on_Epoch_end(batch_id, named_logs(model, logs))

tensorboard.on_train_end(None)
6
erenon