tf.compat.v2.keras.callbacks.TensorBoard
Включает визуализацию для TensorBoard.
Наследуется от: Callback
tf.compat.v2.keras.callbacks.TensorBoard(
log_dir='logs', histogram_freq=0, write_graph=True, write_images=False,
update_freq='epoch', profile_batch=2, embeddings_freq=0,
embeddings_metadata=None, **kwargs
)
TensorBoard — инструмент визуализации, предоставляемый с TensorFlow.
Этот обработчик записывает события для TensorBoard, включая:
- Графики сводных метрик
- Визуализация графа обучения
- Гистограммы активаций
- Выборочное профилирование
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.
| Аргументы | |
|---|---|
log_dir | путь к каталогу, в котором будут сохранены файлы журналов для анализа TensorBoard. |
histogram_freq | частота (в эпохах) вычисления гистограмм активаций и весов для слоёв модели. Если установлено в 0, гистограммы не будут вычисляться. Для визуализации гистограмм необходимо указать данные валидации (или разбиение). |
write_graph | визуализировать ли график в TensorBoard. Файл журнала может стать достаточно большим, когда write_graph установлен в True. |
write_images | записывать ли весы модели для визуализации в виде изображения в TensorBoard. |
update_freq | 'batch' или 'epoch' или целое число. При использовании 'batch', записывает потери и метрики в TensorBoard после каждой итерации. То же самое относится к 'epoch'. Если используется целое число, например, 1000, обработчик будет записывать метрики и потери в TensorBoard каждые 1000 итераций. Обратите внимание, что слишком частое запись в TensorBoard может замедлить обучение. |
profile_batch | Профилировать итерацию для получения характеристик вычислений. По умолчанию профилируется вторая итерация. Установите profile_batch=0, чтобы отключить профилирование. Должно выполняться в режиме TensorFlow eager. |
embeddings_freq | частота (в эпохах) визуализации слоёв встраивания. Если установлено в 0, слои встраивания не будут визуализироваться. |
embeddings_metadata | словарь, сопоставляющий имя слоя с именем файла, в котором сохраняется метаданные для этого слоя встраивания. См. подробности о формате файлов метаданных. В случае, если один и тот же файл метаданных используется для всех слоёв встраивания, можно передать строку. |
| Возбуждает | |
|---|---|
ValueError | Если histogram_freq установлен, а данные валидации не предоставлены. |
Методы
on_batch_begin
on_batch_begin(
batch, logs=None
)
Псевдоним обратной совместимости для on_train_batch_begin.
on_batch_end
on_batch_end(
batch, logs=None
)
Псевдоним обратной совместимости для on_train_batch_end.
on_epoch_begin
on_epoch_begin(
epoch, logs=None
)
Вызывается в начале эпохи.
Подклассы должны переопределять для выполнения любых действий. Эта функция должна вызываться только в режиме ОБУЧЕНИЯ.
| Аргументы | |
|---|---|
epoch | целое число, индекс эпохи. |
logs | dict. В настоящее время данные не передаются в этот аргумент для данного метода, но это может измениться в будущем. |
on_epoch_end
on_epoch_end(
epoch, logs=None
)
Выполняет метрики и гистограммы в конце эпохи.
on_predict_batch_begin
on_predict_batch_begin(
batch, logs=None
)
Вызывается в начале итерации в методах predict.
Подклассы должны переопределять для выполнения любых действий.
| Аргументы | |
|---|---|
batch | целое число, индекс итерации в текущей эпохе. |
logs | dict. Имеет ключи batch и size, представляющие текущий номер итерации и размер итерации. |
on_predict_batch_end
on_predict_batch_end(
batch, logs=None
)
Вызывается в конце итерации в методах predict.
Подклассы должны переопределять для выполнения любых действий.
| Аргументы | |
|---|---|
batch | целое число, индекс итерации в текущей эпохе. |
logs | dict. Результаты метрик для этой итерации. |
on_predict_begin
on_predict_begin(
logs=None
)
Вызывается в начале прогнозирования.
Подклассы должны переопределять для выполнения любых действий.
| Аргументы | |
|---|---|
logs | dict. В настоящее время данные не передаются в этот аргумент для данного метода, но это может измениться в будущем. |
on_predict_end
on_predict_end(
logs=None
)
Вызывается в конце прогнозирования.
Подклассы должны переопределять для выполнения любых действий.
| Аргументы | |
|---|---|
logs | dict. В настоящее время данные не передаются в этот аргумент для данного метода, но это может измениться в будущем. |
on_test_batch_begin
on_test_batch_begin(
batch, logs=None
)
Вызывается в начале итерации в методах evaluate.
Также вызывается в начале итерации валидации в методах fit при наличии данных валидации.
Подклассы должны переопределять для выполнения любых действий.
| Аргументы | |
|---|---|
batch | целое число, индекс итерации в текущей эпохе. |
logs | dict. Имеет ключи batch и size, представляющие текущий номер итерации и размер итерации. |
on_test_batch_end
on_test_batch_end(
batch, logs=None
)
Вызывается в конце итерации в методах evaluate.
Также вызывается в конце итерации валидации в методах fit при наличии данных валидации.
Подклассы должны переопределять для выполнения любых действий.
| Аргументы | |
|---|---|
batch | целое число, индекс итерации в текущей эпохе. |
logs | dict. Результаты метрик для этой итерации. |
on_test_begin
on_test_begin(
logs=None
)
Вызывается в начале оценки или валидации.
Подклассы должны переопределять для выполнения любых действий.
| Аргументы | |
|---|---|
logs | dict. В настоящее время данные не передаются в этот аргумент для данного метода, но это может измениться в будущем. |
on_test_end
on_test_end(
logs=None
)
Вызывается в конце оценки или валидации.
Подклассы должны переопределять для выполнения любых действий.
| Аргументы | |
|---|---|
logs | dict. В настоящее время данные не передаются в этот аргумент для данного метода, но это может измениться в будущем. |
on_train_batch_begin
on_train_batch_begin(
batch, logs=None
)
Вызывается в начале итерации обучения в методах fit.
Подклассы должны переопределять для выполнения любых действий.
| Аргументы | |
|---|---|
batch | целое число, индекс пакета в текущей эпохе. |
logs | dict. Имеет ключи batch и size, представляющие текущий номер пакета и размер пакета. |
on_train_batch_end
on_train_batch_end(
batch, logs=None
)
Записывает скалярные сводки метрик для каждого обучающего пакета.
Выполняет профилирование, если текущий пакет находится в profiler_batches.
| Аргументы | |
|---|---|
batch | Целое число, индекс пакета в текущей эпохе. |
logs | Dict. Результаты метрик для этого пакета. |
on_train_begin
on_train_begin(
logs=None
)
Вызывается в начале обучения.
Подклассы должны переопределять для выполнения любых действий.
| Аргументы | |
|---|---|
logs | dict. В настоящее время данные не передаются в этот аргумент для этого метода, но это может измениться в будущем. |
on_train_end
on_train_end(
logs=None
)
Вызывается в конце обучения.
Подклассы должны переопределять для выполнения любых действий.
| Аргументы | |
|---|---|
logs | dict. В настоящее время данные не передаются в этот аргумент для этого метода, но это может измениться в будущем. |
set_model
set_model(
model
)
Устанавливает Keras модель и записывает график, если указано.
set_params
set_params(
params
)
© 2020 The TensorFlow Authors. All rights reserved.
Licensed under the Creative Commons Attribution License 3.0.
Code samples licensed under the Apache 2.0 License.
https://www.tensorflow.org/versions/r1.15/api_docs/python/tf/compat/v2/keras/callbacks/TensorBoard
