tf.keras.callbacks.TensorBoard
| Просмотреть исходный код на GitHub |
Включает визуализацию для TensorBoard.
Наследуется от: Callback
tf.keras.callbacks.TensorBoard(
log_dir='./logs', histogram_freq=0, batch_size=32, write_graph=True,
write_grads=False, write_images=False, embeddings_freq=0,
embeddings_layer_names=None, embeddings_metadata=None, embeddings_data=None,
update_freq='epoch', profile_batch=2
)
TensorBoard — инструмент визуализации, предоставляемый с TensorFlow.
Этот обработчик записывает события для TensorBoard, включая:
- Графики сводки метрик
- Визуализация графика обучения
- Гистограммы активаций
- Выборка профилирования
Если TensorFlow установлен с помощью pip, вы сможете запустить TensorBoard из командной строки:
tensorboard --logdir=path_to_your_logs
Дополнительную информацию о TensorBoard можно найти здесь.
| Аргументы | |
|---|---|
log_dir | путь к каталогу, где сохраняются журналы, которые будут обработаны TensorBoard. |
histogram_freq | частота (в эпохах), с которой вычисляются гистограммы активаций и весов для слоев модели. Если установлено значение 0, гистограммы не будут вычислены. Для визуализации гистограмм необходимо указать данные проверки (или разбиение). |
write_graph | нужно ли визуализировать график в TensorBoard. Файл журнала может стать довольно большим, если write_graph установлено в True. |
write_grads | нужно ли визуализировать гистограммы градиентов в TensorBoard. histogram_freq должно быть больше 0. |
batch_size | размер пакета входных данных для подачи в сеть для вычисления гистограмм. |
write_images | нужно ли записывать веса модели для визуализации в виде изображения в TensorBoard. |
embeddings_freq | частота (в эпохах), с которой будут сохранены выбранные слои встраивания. Если установлено значение 0, встраивания не будут вычислены. Данные для визуализации на вкладке Embedding TensorBoard должны передаваться как embeddings_data. |
embeddings_layer_names | список имен слоёв, за которыми нужно следить. Если None или пустой список, будут отслеживаться все слои встраивания. |
embeddings_metadata | словарь, который сопоставляет имя слоя с именем файла, в котором сохраняются метаданные для этого слоя встраивания. Подробности о формате файлов метаданных см. здесь. В случае, если один и тот же файл метаданных используется для всех слоев встраивания, можно передать строку. |
embeddings_data | данные для встраивания в слоях, указанных в embeddings_layer_names. Массив NumPy (если модель имеет один вход) или список массивов NumPy (если модель имеет несколько входов). Узнайте больше о встраиваниях здесь. |
update_freq | 'batch' или 'epoch' или целое число. При использовании 'batch', потери и метрики записываются в TensorBoard после каждой итерации. То же самое относится к 'epoch'. Если используется целое число, например 1000, вызов запишет метрики и потери в TensorBoard каждые 1000 выборок. Обратите внимание, что слишком частое запись в TensorBoard может замедлить обучение. |
profile_batch | Профилировать пакет, чтобы получить характеристики вычислений. По умолчанию будет профилироваться второй пакет. Установите profile_batch=0, чтобы отключить профилирование. |
| Возбуждает | |
|---|---|
ValueError | если histogram_freq установлено и данные проверки не предоставлены. |
Совместимость с Eager
Использование обработчика TensorBoard будет работать при включенной функции eager execution, с ограничением, что вывод гистограмм сводок весов и градиентов не поддерживается. Вследствие этого, histogram_freq будет проигнорировано.
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
)
Записывает скалярные сводки для метрик в каждой итерации обучения.
Выполняет профилирование, если текущая итерация находится в profiler_batches.
on_epoch_begin
on_epoch_begin(
epoch, logs=None
)
Добавляет операцию гистограммы к вызовам Model eval_function, сбрасывает счет итераций.
on_epoch_end
on_epoch_end(
epoch, logs=None
)
Проверяет, нужно ли запускать операции сводки в следующей эпохе, записывает скалярные сводки.
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 | словарь. Имеет ключи batch и size, представляющие текущий номер итерации и размер пакета. |
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 | словарь. 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 | словарь. В настоящее время для этого метода не передаются данные, но это может измениться в будущем. |
on_predict_end
on_predict_end(
logs=None
)
Вызывается по окончании прогнозирования.
Подклассы должны переопределять для выполнения любых действий.
| Аргументы | |
|---|---|
logs | словарь. В настоящее время для этого метода не передаются данные, 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 проверки в методах fit при наличии данных проверки.
Подклассы должны переопределять для выполнения любых действий.
| Аргументы | |
|---|---|
batch | целое число, индекс итерации в текущей эпохе. |
logs | словарь. Имеет ключи batch и size, представляющие текущий номер итерации и размер пакета. |
on_test_batch_end
on_test_batch_end(
batch, logs=None
)
Вызывается в конце итерации в методах evaluate.
Также вызывается в конце итерации проверки в методах fit при наличии данных проверки.
Подклассы должны переопределять для выполнения любых действий.
| Аргументы | |
|---|---|
batch | целое число, индекс итерации в текущей эпохе. |
logs | словарь. Результаты метрик для этой итерации. |
on_test_begin
on_test_begin(
logs=None
)
Вызывается в начале оценки или проверки.
Подклассы должны переопределять для выполнения любых действий.
END_OF_DOCUMENT_MARKER| Аргументы | |
|---|---|
logs | dict. В настоящее время данные в этот аргумент для данного метода не передаются, но это может измениться в будущем. |
on_test_end
on_test_end(
logs=None
)
Вызывается в конце оценки или проверки.
Подклассы должны переопределять для выполнения любых действий.
| Аргументы | |
|---|---|
logs | dict. В настоящее время данные в этот аргумент для данного метода не передаются, но это может измениться в будущем. |
on_train_batch_begin
on_train_batch_begin(
batch, logs=None
)
Вызывается в начале пакетной обработки 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
)
Вызывается в конце пакетной обработки обучения в методах fit.
Подклассы должны переопределять для выполнения любых действий.
| Аргументы | |
|---|---|
batch | целое число, индекс пакета в текущей эпохе. |
logs | dict. Результаты метрик для данного 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 в этот аргумент для данного метода не передаются, 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 в этот аргумент для данного метода не передаются, но это может измениться в будущем. |
set_model
set_model(
model
)
Устанавливает модель Keras и создаёт сводные операции.
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/keras/callbacks/TensorBoard
