tf.compat.v1.keras.callbacks.TensorBoard

Включает визуализацию для TensorBoard.

Наследуется от: TensorBoard

tf.compat.v1.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 — это инструмент визуализации, предоставляемый с TensorFlow.

Этот коллбэк записывает события для TensorBoard, включая:

Графики сводки метрик
Визуализация графа обучения
Гистограммы активаций
Выборка профилирования

Если вы установили TensorFlow с помощью pip, вы сможете запустить TensorBoard из командной строки:

tensorboard --logdir=path_to_your_logs

Дополнительную информацию о TensorBoard вы можете найти здесь.

Аргументы
`log_dir`	путь к каталогу, в котором будут сохранены журнальные файлы для парсинга TensorBoard.
`histogram_freq`	частота (в эпохах), с которой будут вычисляться гистограммы активаций и весов для слоёв модели. Если установлено значение 0, гистограммы не будут вычисляться. Для визуализации гистограмм необходимо указать данные проверки (или разбиение).
`write_graph`	требуется ли визуализировать граф в TensorBoard. Файл журнала может стать довольно большим, когда write_graph установлено в True.
`write_grads`	требуется ли визуализировать гистограммы градиентов в TensorBoard. `histogram_freq` должно быть больше 0.
`batch_size`	размер пакета входных данных для обработки сети для вычисления гистограмм.
`write_images`	требуется ли записать веса модели для визуализации в виде изображения в TensorBoard.
`embeddings_freq`	частота (в эпохах), с которой выбранные слои вложений будут сохранены. Если установлено значение 0, вычисления вложений не будут проводиться. Данные для визуализации в вкладке Вложения TensorBoard должны быть переданы как `embeddings_data`.
`embeddings_layer_names`	список имён слоёв, за которыми необходимо следить. Если None или пустой список, будут отслеживаться все слои вложений.
`embeddings_metadata`	словарь, который сопоставляет имя слоя с именем файла, в котором сохраняются метаданные для этого слоя вложений. Подробности о формате файлов метаданных. В случае если один и тот же файл метаданных используется для всех слоёв вложений, можно передать строку.
`embeddings_data`	данные, которые должны быть вложены в слои, указанные в `embeddings_layer_names`. Массив NumPy (если у модели один вход) или список массивов NumPy (если у модели несколько входов). Подробнее об вложениях в этом руководстве.
`update_freq`	`'batch'` или `'epoch'` или целое число. При использовании `'batch'`, потери и метрики записываются в TensorBoard после каждой партии. То же самое относится к `'epoch'`. При использовании целого числа, например `1000`, коллбэк будет записывать метрики и потери в TensorBoard каждые 1000 выборок. Обратите внимание, что слишком частая запись в TensorBoard может замедлить обучение.
`profile_batch`	Профилировать пакет, чтобы получить характеристики вычислений. По умолчанию он будет профилировать второй пакет. Установите profile_batch=0, чтобы отключить профилирование.

Исключения
`ValueError`	Если histogram_freq установлено, но данные проверки не предоставлены.

Совместимость с Eager

Использование коллбэка TensorBoard будет работать при включенном eager-выполнении, с ограничением, что вывод гистограмм суммарных весов и градиентов не поддерживается. Вследствие этого histogram_freq будет игнорироваться.

Методы

`set_model`

Просмотреть исходный код

set_model(
    model
)

Устанавливает модель Keras и создаёт операции сводки.

`set_params`

Просмотреть исходный код

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/r2.3/api_docs/python/tf/compat/v1/keras/callbacks/TensorBoard