tf.keras.callbacks.TensorBoard

Включить визуализацию для TensorBoard.

Наследуется от: Callback

tf.keras.callbacks.TensorBoard(
    log_dir='logs',
    histogram_freq=0,
    write_graph=True,
    write_images=False,
    write_steps_per_second=False,
    update_freq='epoch',
    profile_batch=0,
    embeddings_freq=0,
    embeddings_metadata=None
)

Используется в ноутбуках

Используется в руководстве	Используется в учебниках
Миграция TensorBoard: инструмент визуализации TensorFlow	Распределённое обучение с Keras Обучение с сервером параметров с ParameterServerStrategy Перенос обучения с TensorFlow Hub Переобучение и недообучение TensorBoard Scalars: Ведение логов метрик обучения в Keras

TensorBoard — инструмент визуализации, поставляемый с TensorFlow. Для использования этого колбека требуется установка TensorFlow.

Этот колбек регистрирует события для TensorBoard, включая:

Графики сводных метрик
Визуализация графика обучения
Гистограммы весов
Выборка профилирования

При использовании в model.evaluate() или обычной валидации в дополнение к эпохальным сводкам, будет записана сводка, которая записывает метрики оценки по сравнению с model.optimizer.iterations. Имена метрик будут предваряться evaluation, с model.optimizer.iterations, представляющим шаг в визуализированном TensorBoard.

Если вы установили TensorFlow с помощью pip, вы должны иметь возможность запустить TensorBoard из командной строки:

tensorboard --logdir=path_to_your_logs

Дополнительную информацию о TensorBoard можно найти здесь.

Args
`log_dir`	путь к каталогу, в котором нужно сохранить файлы логов для анализа TensorBoard. Например, `log_dir = os.path.join(working_dir, 'logs')`. Этот каталог не должен повторно использоваться другими колбеками.
`histogram_freq`	частота (в эпохах) вычисления гистограмм весов для слоёв модели. Если установлено в 0, гистограммы не будут вычисляться. Для визуализации гистограмм необходимо указать данные валидации (или разбиение).
`write_graph`	(Не поддерживается в настоящее время) Визуализировать ли граф в TensorBoard. Обратите внимание, что файл логов может стать достаточно большим, когда `write_graph` установлено в `True`.
`write_images`	нужно ли записывать веса модели для визуализации в виде изображения в TensorBoard.
`write_steps_per_second`	нужно ли регистрировать шаги обучения в секунду в TensorBoard. Это поддерживает запись как по эпохам, так и по партиям.
`update_freq`	`"batch"` или `"epoch"` или целое число. При использовании `"epoch"`, потери и метрики записываются в TensorBoard после каждой эпохи. Если используется целое число, например, `1000`, все метрики и потери (включая настраиваемые, добавленные с помощью `Model.compile`) будут регистрироваться в TensorBoard каждые 1000 партий. `"batch"` — синоним для 1, что означает запись после каждой партии. Однако следует учесть, что слишком частая запись в TensorBoard может замедлить обучение, особенно при использовании стратегий распределения, так как это повлечёт дополнительные накладные расходы на синхронизацию. Запись сводок на уровне партий также доступна через `train_step` переопределения. Подробнее см. учебник TensorBoard Scalars # noqa: E501.
`profile_batch`	(Не поддерживается в настоящее время) Профилировать пакет(ы) для выборки характеристик вычислений. profile_batch должно быть неотрицательным целым числом или кортежем целых чисел. Пара положительных целых чисел обозначает диапазон партий для профилирования. По умолчанию профилирование отключено.
`embeddings_freq`	частота (в эпохах) визуализации слоёв встраивания. Если установлено в 0, слои встраивания не будут визуализироваться.
`embeddings_metadata`	Словарь, который сопоставляет имена слоёв встраивания с именем файла, в который нужно сохранить метаданные для слоя встраивания. В случае, если для всех слоёв встраивания нужно использовать один и тот же файл метаданных, можно указать единственное имя файла.

Примеры:

tensorboard_callback = keras.callbacks.TensorBoard(log_dir="./logs")
model.fit(x_train, y_train, epochs=2, callbacks=[tensorboard_callback])
# Then run the tensorboard command to view the visualizations.

Пользовательские сводки на уровне партий в подклассированной модели:

class MyModel(keras.Model):

    def build(self, _):
        self.dense = keras.layers.Dense(10)

    def call(self, x):
        outputs = self.dense(x)
        tf.summary.histogram('outputs', outputs)
        return outputs

model = MyModel()
model.compile('sgd', 'mse')

# Make sure to set `update_freq=N` to log a batch-level summary every N
# batches.  In addition to any `tf.summary` contained in `model.call()`,
# metrics added in `Model.compile` will be logged every N batches.
tb_callback = keras.callbacks.TensorBoard('./logs', update_freq=1)
model.fit(x_train, y_train, callbacks=[tb_callback])

Пользовательские сводки на уровне партий в модели API функционального типа:

def my_summary(x):
    tf.summary.histogram('x', x)
    return x

inputs = keras.Input(10)
x = keras.layers.Dense(10)(inputs)
outputs = keras.layers.Lambda(my_summary)(x)
model = keras.Model(inputs, outputs)
model.compile('sgd', 'mse')

# Make sure to set `update_freq=N` to log a batch-level summary every N
# batches. In addition to any `tf.summary` contained in `Model.call`,
# metrics added in `Model.compile` will be logged every N batches.
tb_callback = keras.callbacks.TensorBoard('./logs', update_freq=1)
model.fit(x_train, y_train, callbacks=[tb_callback])

Профилирование:

# Profile a single batch, e.g. the 5th batch.
tensorboard_callback = keras.callbacks.TensorBoard(
    log_dir='./logs', profile_batch=5)
model.fit(x_train, y_train, epochs=2, callbacks=[tensorboard_callback])

# Profile a range of batches, e.g. from 10 to 20.
tensorboard_callback = keras.callbacks.TensorBoard(
    log_dir='./logs', profile_batch=(10,20))
model.fit(x_train, y_train, epochs=2, callbacks=[tensorboard_callback])

Атрибуты
`model`
`summary`

Args
`epoch`	Целое число, индекс эпохи.
`logs`	Словарь. В настоящее время для этого метода данные не передаются, но это может измениться в будущем.

Args
`batch`	Целое число, индекс партии в текущей эпохе.
`logs`	Словарь. В настоящее время для этого метода данные не передаются, но это может измениться в будущем.

Аргументы
`batch`	Целое число, индекс пакета в текущей эпохе.
`logs`	Словарь. В данный момент для этого метода данные не передаются, но в будущем это может измениться.

tf.keras.callbacks.TensorBoard

Используется в ноутбуках

Примеры:

Профилирование:

Методы

on_batch_begin

on_batch_end

on_epoch_begin

on_epoch_end

on_predict_batch_begin

on_predict_batch_end

on_predict_begin

on_predict_end

on_test_batch_begin

on_test_batch_end

on_test_begin

on_test_end

on_train_batch_begin

on_train_batch_end

on_train_begin

on_train_end

set_model

set_params

`on_batch_begin`

`on_batch_end`

`on_epoch_begin`

`on_epoch_end`

`on_predict_batch_begin`

`on_predict_batch_end`

`on_predict_begin`

`on_predict_end`

`on_test_batch_begin`

`on_test_batch_end`

`on_test_begin`

`on_test_end`

`on_train_batch_begin`

`on_train_batch_end`

`on_train_begin`

`on_train_end`

`set_model`

`set_params`