我希望有一个 TensorBoard 显示与 acc、loss、acc_val 和 loss_val 对应的图表,但由于某种原因它们没有出现。这是我所看到的。
我正在按照指示here进行操作能够在 Google Colab 笔记本中使用 Tensorboard
这是用于生成张量板的代码:
opt = tf.keras.optimizers.Adam(lr=0.001, decay=1e-6)
tensorboard = TensorBoard(log_dir="logs/{}".format(NAME),
histogram_freq=1,
write_graph=True,
write_grads=True,
batch_size=BATCH_SIZE,
write_images=True)
model.compile(
loss='sparse_categorical_crossentropy',
optimizer=opt,
metrics=['accuracy']
)
# Train model
history = model.fit(
train_x, train_y,
batch_size=BATCH_SIZE,
epochs=EPOCHS,
validation_data=(validation_x, validation_y),
callbacks=[tensorboard]
)
我该如何解决这个问题?有任何想法吗?非常感谢您的帮助!
最佳答案
这就是预期的行为。如果您想记录动态学习率等自定义标量,则需要使用 TensorFlow Summary API。
重新训练回归模型并记录自定义学习率。方法如下:
- 使用
tf.summary.create_file_writer()
创建文件编写器。 - 定义自定义学习率函数。这将传递给 Keras
LearningRateScheduler
回调。 - 在学习率函数内,使用
tf.summary.scalar()
记录自定义学习率。 - 将
LearningRateScheduler
回调传递给Model.fit()
。
一般来说,要记录自定义标量,您需要将 tf.summary.scalar() 与文件编写器结合使用。文件编写器负责将此运行的数据写入指定目录,并在您使用 tf.summary.scalar() 时隐式使用。
logdir = "logs/scalars/" + datetime.now().strftime("%Y%m%d-%H%M%S")
file_writer = tf.summary.create_file_writer(logdir + "/metrics")
file_writer.set_as_default()
def lr_schedule(epoch):
"""
Returns a custom learning rate that decreases as epochs progress.
"""
learning_rate = 0.2
if epoch > 10:
learning_rate = 0.02
if epoch > 20:
learning_rate = 0.01
if epoch > 50:
learning_rate = 0.005
tf.summary.scalar('learning rate', data=learning_rate, step=epoch)
return learning_rate
lr_callback = keras.callbacks.LearningRateScheduler(lr_schedule)
tensorboard_callback = keras.callbacks.TensorBoard(log_dir=logdir)
model = keras.models.Sequential([
keras.layers.Dense(16, input_dim=1),
keras.layers.Dense(1),
])
model.compile(
loss='mse', # keras.losses.mean_squared_error
optimizer=keras.optimizers.SGD(),
)
training_history = model.fit(
x_train, # input
y_train, # output
batch_size=train_size,
verbose=0, # Suppress chatty output; use Tensorboard instead
epochs=100,
validation_data=(x_test, y_test),
callbacks=[tensorboard_callback, lr_callback],
)
关于Tensorflow TensorBoard 不显示 acc、loss、acc_val 和 loss_val 仅仅显示 epoch_accuracy 和 epoch_loss,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/59587769/