keras与tensorboard结合使用-低调大师

keras与tensorboard结合使用

2018-05-15 604

使用tensorboard将keras的训练过程显示出来(动态的、直观的）是一个绝好的主意，特别是在有架设好的VPS的基础上，这篇文章就是一起来实现这个过程。

一、主要原理

keras的在训练（fit）的过程中，显式地生成log日志；使用tf的tensorboard来解析这个log日志，并且通过网站的形式显示出来。

   fit的时候加上callbacks=[TensorBoard(log_dir='./tmp/log')] 将运行的结果保存在'./tmp/log'下。
执行tensorboard 命令的时候指明： --logdir=./temp/log 
  

二、实现步骤

我们需要选择一段运行绝对正确，而且需要一定时间的算法：使用keras自己提供的“cifar10_cnn.py”运行一个比较多的

epoch是很行的选择。它使用的是

 
   # Fit the model on the batches generated by datagen.flow(). 
  
    model.fit_generator(datagen.flow(x_train, y_train,
  
   batch_size=batch_size),
  
   epochs=epochs,
  
   validation_data=(x_test, y_test),
  
   workers=
   4)

我不知道是否有效，将其修改为：

    model.fit_generator(datagen.flow(x_train, y_train,
  
   batch_size=batch_size),
  
   epochs=epochs,
  
   validation_data=(x_test, y_test),
  
   workers=
   4,
  
   callbacks=[TensorBoard(
   log_dir=
   './tmp/log')])

并且运行

很遗憾，在1024mb的vps上面，cifar_10跑不起来，最后还是选择跑mnist

开启tensorboard

需要注意的是，这里所有的操作都是在

~/keras/examples 目录下进行的，有绝对地址的说法

三、观察结果

本例中出现了2个项目，其他的都被隐藏起来了

用这种方法来看曲线是很直观的

也可以看出函数模型

后面就是tensorboard的应用问题，但是它和keras的结合，使用本文中相关知识就可以解决了，感谢阅读，希望有所帮助。

来自为知笔记(Wiz)

目前方向：图像拼接融合、图像识别联系方式：jsxyhelu@foxmail.com

微信关注我们

原文链接：https://yq.aliyun.com/articles/649393

转载内容版权归作者及来源网站所有！

低调大师中文资讯倾力打造互联网数据资讯、行业资源、电子商务、移动互联网、网络营销平台。持续更新报道IT业界、互联网、市场资讯、驱动更新,是最及时权威的产业资讯及硬件资讯报道平台。

facenet 进行人脸识别测试

1.简介：facenet 是基于 TensorFlow 的人脸识别开源库，有兴趣的同学可以扒扒源代码：https://github.com/davidsandberg/facenet 2.安装和配置 facenet 我们先将 facenet 源代码下载下来： git clone https://github.com/davidsandberg/facenet.git 在使用 facenet 前，务必安装下列这些库包：或者直接移动到 facenet 目录下，一键安装 pip install -r requirements.txt 3.下载 LFW 数据集 LFW 是由美国马萨诸塞大学阿姆斯特分校计算机视觉实验室整理的。它包含13233张图片，共5749人，其中4096人只有一张图片，1680人的图片多余一张，每张图片尺寸是250x250 。下载地址：http://vis-www.cs.umass.edu/lfw/ ->Menu->Download->All images as gzipped tar file 下载完成后，我们将文件解压到 facenet/dat...

2018-05-16

764

根据英特尔首席技术官Mike Mayberry的说法，最初的人工智能浪潮是基于逻辑的，这是基于写下规则——即所谓的“经典推理”。在概率计算中，处理单元所消耗的能量降低，从而增加了某些操作出错的可能性。定义概率计算根据USFCA的说法，概率计算机将模拟问题（前向）带入一个推理程序（反向）。总部位于加州伯克利的Navia系统公司开发了概率计算机，它将其定义为最适合在不确定的情况下做出判断的技术，就像传统的计算技术是大规模的记录保存一样。这家成立于2007年的创业公司强调，与目前用于逻辑推理和精确计算的计算机不同，在概率计算领域，机器和程序是用来处理不确定性和从经验中进行学习的。在概率计算下压上重注英特尔正把赌注押在概率计算上，这是人工智能的一个主要组成部分，它将使未来的系统能够理解和计算自然数据中固有的不确定性，并有助于研究人员能够制

2018-05-17

627

资源下载

更多资源

Mario

马里奥是站在游戏界顶峰的超人气多面角色。马里奥靠吃蘑菇成长，特征是大鼻子、头戴帽子、身穿背带裤，还留着胡子。与他的双胞胎兄弟路易基一起，长年担任任天堂的招牌角色。

Nacos

Nacos /nɑ:kəʊs/ 是 Dynamic Naming and Configuration Service 的首字母简称，一个易于构建 AI Agent 应用的动态服务发现、配置管理和AI智能体管理平台。Nacos 致力于帮助您发现、配置和管理微服务及AI智能体应用。Nacos 提供了一组简单易用的特性集，帮助您快速实现动态服务发现、服务配置、服务元数据、流量管理。Nacos 帮助您更敏捷和容易地构建、交付和管理微服务平台。

Spring

Spring框架（Spring Framework）是由Rod Johnson于2002年提出的开源Java企业级应用框架，旨在通过使用JavaBean替代传统EJB实现方式降低企业级编程开发的复杂性。该框架基于简单性、可测试性和松耦合性设计理念，提供核心容器、应用上下文、数据访问集成等模块，支持整合Hibernate、Struts等第三方框架，其适用范围不仅限于服务器端开发，绝大多数Java应用均可从中受益。

Rocky Linux

Rocky Linux（中文名：洛基）是由Gregory Kurtzer于2020年12月发起的企业级Linux发行版，作为CentOS稳定版停止维护后与RHEL（Red Hat Enterprise Linux）完全兼容的开源替代方案，由社区拥有并管理，支持x86_64、aarch64等架构。其通过重新编译RHEL源代码提供长期稳定性，采用模块化包装和SELinux安全架构，默认包含GNOME桌面环境及XFS文件系统，支持十年生命周期更新。