tf.compat.v1.keras.callbacks.TensorBoard

Включить визуализацию для TensorBoard.

Наследуется от: TensorBoard, Callback

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 — инструмент визуализации, предоставляемый с TensorFlow.

Этот обратный вызов регистрирует события для TensorBoard, включая:

Графики сводки метрик
Визуализация графика обучения
Гистограммы активаций
Выборка профилирования

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, где будут сохранены журнальные файлы для обработки TensorBoard.
`histogram_freq`	частота (в эпохах), с которой необходимо вычислять гистограммы активаций и весов для слоев модели. Если установлено 0, гистограммы не будут вычисляться. Для визуализации гистограмм необходимо указать данные проверки (или разделить).
`write_graph`	следует ли визуализировать граф в TensorBoard. Журнальный файл может стать довольно большим, если write_graph установлен в True.
`write_grads`	следует 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`	следует ли записывать веса модели для визуализации в виде изображения в TensorBoard.
`embeddings_freq`	частота (в эпохах), с которой выбранные слои вложений будут сохранены. Если установлено 0, вложения не будут вычисляться. Данные для визуализации на вкладке «Вложения» TensorBoard должны быть переданы как `embeddings_data`.
`embeddings_layer_names`	список имён слоёв, за которыми следует следить. Если None или пустой список, будут отслеживаться все слои вложений.
`embeddings_metadata`	словарь, сопоставляющий имя слоя с именем файла, в котором сохраняются метаданные для этого слоя вложений. Подробнее 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 встроены в слои, указанные в `embeddings_layer_names`. Массив NumPy (если у модели один вход) или список массивов NumPy (если у модели несколько входов). Узнайте больше о вложениях в этом руководстве.
`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`, обратный вызов 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 выборки. По умолчанию он будет профилировать второй пакет. Установите profile_batch=0, чтобы отключить профилирование.

Исключения
`ValueError`	Если histogram_freq установлен, а данные проверки не предоставлены.

Методы

`set_model`

Просмотреть исходный код

set_model(
    model
)

Устанавливает модель Keras и создаёт операторы сводки.

`set_params`

Просмотреть исходный код

set_params(
    params
)

совместимость с eager

Использование обратного вызова TensorBoard будет работать при включённом режиме eager execution, с ограничением, что вывод гистограмм сводок весов и градиентов не поддерживается. Следовательно, histogram_freq будет проигнорировано.

© 2022 The TensorFlow Authors. All rights reserved.
Licensed under the Creative Commons Attribution License 4.0.
Code samples licensed under the Apache 2.0 License.
https://www.tensorflow.org/versions/r2.9/api_docs/python/tf/compat/v1/keras/callbacks/TensorBoard