keras与tensorboard结合使用-白红宇

使用tensorboard将keras的训练过程显示出来(动态的、直观的）是一个绝好的主意，特别是在有架设好的VPS的基础上，这篇文章就是一起来实现这个过程。

一、主要原理

keras的在训练（fit）的过程中，显式地生成log日志；使用tf的tensorboard来解析这个log日志，并且通过网站的形式显示出来。

fit的时候加上callbacks=[TensorBoard(log_dir='./tmp/log')] 将运行的结果保存在'./tmp/log'下。
执行tensorboard 命令的时候指明： --logdir=./temp/log 

二、实现步骤

我们需要选择一段运行绝对正确，而且需要一定时间的算法：使用keras自己提供的“cifar10_cnn.py”运行一个比较多的

epoch是很行的选择。它使用的是

# Fit the model on the batches generated by datagen.flow().
       model.fit_generator(datagen.flow(x_train, y_train, 
batch_size=batch_size), 
epochs=epochs, 
validation_data=(x_test, y_test), 
workers= 
4) 

我不知道是否有效，将其修改为：

       model.fit_generator(datagen.flow(x_train, y_train, 
batch_size=batch_size), 
epochs=epochs, 
validation_data=(x_test, y_test), 
workers= 
4, 
callbacks=[TensorBoard( 
log_dir= 
'./tmp/log')]) 

并且运行

很遗憾，在1024mb的vps上面，cifar_10跑不起来，最后还是选择跑mnist

开启tensorboard

需要注意的是，这里所有的操作都是在

~/keras/examples 目录下进行的，有绝对地址的说法

三、观察结果

本例中出现了2个项目，其他的都被隐藏起来了

用这种方法来看曲线是很直观的

也可以看出函数模型

后面就是tensorboard的应用问题，但是它和keras的结合，使用本文中相关知识就可以解决了，感谢阅读，希望有所帮助。

目前方向：图像拼接融合、图像识别联系方式：jsxyhelu@foxmail.com