Python mxnet.contrib.tensorboard.LogMetricsCallback用法及代碼示例

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

參數：

logging_dir：(str) - TensorBoard 事件文件目錄。之後，使用tensorboard -logdir=path/to/logs啟動TensorBoard 可視化。
prefix：(str) - 度量名稱的前綴scalar值。您可能希望使用此參數來利用 TensorBoard 繪圖函數，其中 TensorBoard 在同一圖表中繪製不同的曲線name.以下示例顯示了用法(如何在同一圖中比較訓練和評估指標)。

基礎：object

在 TensorBoard 中定期記錄指標此回調的工作方式與 callback.Speedometer 幾乎相同，但寫入 TensorBoard 事件文件以進行可視化。更多用法請參考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.

相關用法

注：本文由純淨天空篩選整理自apache.org大神的英文原創作品 mxnet.contrib.tensorboard.LogMetricsCallback。非經特殊聲明，原始代碼版權歸原作者所有，本譯文未經允許或授權，請勿轉載或複製。