如何在Tensorflow中使用tensorboard

1.导入模块   

from tensorflow.keras.callbacks import TensorBoard

例：

2.设置Tensorboard函数并存入一个变量

变量= TensorBoard(log_dir="./tensorboard", histogram_freq=1,write_grads=True)

##函数中各参数含义

1、log_dir: 用来保存Tensorboard的日志文件等内容的位置

2、histogram_freq: 对于模型中各个层计算激活值和模型权重直方图的频率。

3、write_graph: 是否在 TensorBoard 中可视化图像。

4、write_grads: 是否在 TensorBoard 中可视化梯度值直方图。

5、batch_size: 用以直方图计算的传入神经元网络输入批的大小。

6、write_images: 是否在 TensorBoard中将模型权重以图片可视化。

7、update_freq: 常用的三个值为’batch’ 、 ‘epoch’ 或 整数。当使用 ‘batch’ 时，在每个 batch 之后将损失和评估值写入到 TensorBoard 中。 ‘epoch’ 类似。如果使用整数，会在每一定个样本之后将损失和评估值写入到 TensorBoard 中。
##

3.在model.fit中调用回调函数callbacks  呼叫上一步定义的变量

history = model.fit(x_train, y_train, batch_size=32, epochs=5, validation_data=(x_test, y_test), validation_freq=1,
                    callbacks=[变量])

例：

4.若使用pycharm中，直接用Terminal进入当前环境，cd到保存Tensorboard的上一级路径，执行下列命令

tensorboard --logdir=文件名   

例：

5.将给出的网址在Microsoft Edge浏览器打开即可

http://localhost:6006/

例：