Python tf.compat.v1.keras.callbacks.TensorBoard用法及代碼示例

參數

• log_dir 保存要被 TensorBoard 解析的日誌文件的目錄路徑。
• histogram_freq 計算模型層的激活和權重直方圖的頻率(以時期為單位)。如果設置為 0，則不會計算直方圖。必須為直方圖可視化指定驗證數據(或拆分)。
• write_graph 是否在 TensorBoard 中可視化圖形。當 write_graph 設置為 True 時，日誌文件可能會變得非常大。
• write_grads 是否在 TensorBoard 中可視化梯度直方圖。 histogram_freq 必須大於 0。
• batch_size 輸入到網絡進行直方圖計算的批量輸入的大小。
• write_images 是否編寫模型權重以在 TensorBoard 中可視化為圖像。
• embeddings_freq 保存所選嵌入層的頻率(以時期為單位)。如果設置為 0，則不會計算嵌入。要在 TensorBoard 的嵌入選項卡中可視化的數據必須作為 embeddings_data 傳遞。
• embeddings_layer_names 要關注的圖層名稱列表。如果 None 或空列表將觀察所有嵌入層。
• embeddings_metadata 將圖層名稱映射到保存此嵌入層元數據的文件名的字典。這裏有詳細信息關於元數據文件格式。如果所有嵌入層都使用相同的元數據文件，則可以傳遞字符串。
• embeddings_data 數據嵌入到指定的層embeddings_layer_names. Numpy 數組(如果模型有單個輸入)或 Numpy 數組列表(如果模型有多個輸入)。了解有關嵌入的更多信息在本指南中.
• update_freq 'batch' 或 'epoch' 或整數。使用 'batch' 時，在每批之後將損失和指標寫入 TensorBoard。這同樣適用於 'epoch' 。如果使用整數，比如說 1000 ，回調將每 1000 個樣本將指標和損失寫入 TensorBoard。請注意，過於頻繁地寫入 TensorBoard 會減慢您的訓練速度。
• profile_batch 分析批次以采樣計算特征。默認情況下，它將分析第二批。設置 profile_batch=0 以禁用分析。

拋出

• ValueError 如果設置了 histogram_freq 並且未提供驗證數據。