概述
Tensorbar的使用
TensorBoard是内置于TensorFlow中基于浏览器的可视化工具，安装TensorFlow时会自动安装这个工具。简单来说，它就是把训练过程数据写入文件，然后用浏览器查看的工具。在Keras中，它也被包装成一个回调函数。
import tensorflow as tf
from tensorflow.keras.callbacks import Tensorbar
# tensorbar读取路径
log_dir = '读取路径'
tensorbar = Tensorbar(log_dir, historygram_freq = 1)
cp_callback= [tensorbar]
# 模型调用时，通过回调函数接口传入
model.fit(callbacks= cp_callback)
为了在训练的过程中可视化各项指标，需要自己在终端启动TensorBoard。
可以在Anaconda Prompt终端下打开
启动方式：在终端输入 tensorboard --logdir=C:Users…logs （自己文件的路径），就会返回一行信息，包含了一个http网址。这个地址一般是不会改变的，在浏览器中输入提示的http地址，即可查看模型的训练过程和相关状态。
本文参考链接 仅做学习记录
最后
以上就是怡然学姐为你收集整理的tensorflow.keras.callbacks.Tensorbar的全部内容，希望文章能够帮你解决tensorflow.keras.callbacks.Tensorbar所遇到的程序开发问题。
如果觉得靠谱客网站的内容还不错，欢迎将靠谱客网站推荐给程序员好友。
本图文内容来源于网友提供，作为学习参考使用，或来自网络收集整理，版权属于原作者所有。
![[代码仓库]python常用散列函数](/uploads/reation/bcimg8.png)
![tensorflow——[keras]内置数据集tensorflow——[keras]内置数据集](/uploads/reation/bcimg10.png)
发表评论 取消回复