TF2.0 TensorBoard用法-Get started with TensorBoard - TShopping

最近學習tensorflow2.0，但是發現自己連tensorboard都不會使（簡稱TB），那先按官方手冊來學TB吧！pycharm版本2020.1.1，安裝tensorflow對python版本有要求，使用anaconda可以對不同版本的python建立虛擬環境進行管理。非常好用！使用時可以在pycharm中字節指定python版本，省去很多環境配置的麻煩事！為了避免混淆Model.fit()以外的方法，另外進行練習。

import tensorflow as tf
import datetime
#mnist包
mnist = tf.keras.datasets.mnist
#加载mnist训练和测试数据集
(x_train, y_train),(x_test, y_test) = mnist.load_data()
#将x从0-255转换为0-1之间的浮点数，即归一化
x_train, x_test = x_train / 255.0, x_test / 255.0
#虽然创建model时指定了参数，在之后还可以使用相应函数进行相应变更
def create_model():
return tf.keras.models.Sequential([
tf.keras.layers.Flatten(input_shape=(28, 28)),#将二维转换为一维
tf.keras.layers.Dense(512, activation='relu'),#添加一个隐藏层为512层，激活函数使用线性激活relu
tf.keras.layers.Dropout(0.2),#训练时随机去掉20%的神经元，防止过拟合
tf.keras.layers.Dense(10, activation='softmax')#输出层10层，使用softmax进行激活
])
#创建model实例
model = create_model()
#编译模型
model.compile(optimizer='adam', #优化使用adam
loss='sparse_categorical_crossentropy',#损失计算方法指定
metrics=['accuracy'])#使用正确率评估模型
log_dir = "logs\\fit\\" + datetime.datetime.now().strftime("%Y%m%d-%H%M%S")
tensorboard_callback = tf.keras.callbacks.TensorBoard(log_dir=log_dir, histogram_freq=1)
#训练模型
model.fit(x=x_train,
y=y_train,
epochs=5,#指定训练轮数
validation_data=(x_test, y_test),#测试数据集
callbacks=[tensorboard_callback])#tensorboard回调，即生成可以进行可视化观察模型参数的文件

複製代碼