Python mxnet.contrib.tensorboard.LogMetricsCallback用法及代码示例

用法: class mxnet.contrib.tensorboard.LogMetricsCallback(logging_dir, prefix=None)

参数：

logging_dir：(str) - TensorBoard 事件文件目录。之后，使用tensorboard -logdir=path/to/logs启动TensorBoard 可视化。
prefix：(str) - 度量名称的前缀scalar值。您可能希望使用此参数来利用 TensorBoard 绘图函数，其中 TensorBoard 在同一图表中绘制不同的曲线name.以下示例显示了用法(如何在同一图中比较训练和评估指标)。

基础：object

在 TensorBoard 中定期记录指标此回调的工作方式与 callback.Speedometer 几乎相同，但写入 TensorBoard 事件文件以进行可视化。更多用法请参考https://github.com/dmlc/tensorboard

例子：

>>> # log train and eval metrics under different directories.
>>> training_log = 'logs/train'
>>> evaluation_log = 'logs/eval'
>>> # in this case, each training and evaluation metric pairs has same name,
>>> # you can add a prefix to make it separate.
>>> batch_end_callbacks = [mx.contrib.tensorboard.LogMetricsCallback(training_log)]
>>> eval_end_callbacks = [mx.contrib.tensorboard.LogMetricsCallback(evaluation_log)]
>>> # run
>>> model.fit(train,
>>>     ...
>>>     batch_end_callback = batch_end_callbacks,
>>>     eval_end_callback  = eval_end_callbacks)
>>> # Then use `tensorboard --logdir=logs/` to launch TensorBoard visualization.

相关用法

注：本文由纯净天空筛选整理自apache.org大神的英文原创作品 mxnet.contrib.tensorboard.LogMetricsCallback。非经特殊声明，原始代码版权归原作者所有，本译文未经允许或授权，请勿转载或复制。