Tensorboard là công cụ thực sự tốt đẹp nhưng theo tính chất khai báo của nó có thể làm cho nó khó khăn để có được nó để làm chính xác những gì bạn muốn.
Tôi khuyên bạn nên thanh toán Losswise (https://losswise.com) để vẽ và theo dõi các chức năng mất mát thay thế cho Tensorboard. Với Losswise bạn xác định chính xác những gì cần được vẽ đồ thị với nhau:
import losswise
losswise.set_api_key("project api key")
session = losswise.Session(tag='my_special_lstm', max_iter=10)
loss_graph = session.graph('loss', kind='min')
# train an iteration of your model...
loss_graph.append(x, {'train_loss': train_loss, 'validation_loss': validation_loss})
# keep training model...
session.done()
Và sau đó bạn sẽ có được cái gì đó trông giống như:
Chú ý cách dữ liệu được đưa tới một đồ thị đặc biệt một cách rõ ràng thông qua loss_graph.append
cuộc gọi, dữ liệu mà sau đó xuất hiện trong bảng điều khiển của dự án của bạn.
Ngoài ra, đối với ví dụ trên, Losswise sẽ tự động tạo bảng có các cột cho min(training_loss)
và min(validation_loss)
để bạn có thể dễ dàng so sánh thống kê tóm tắt trong các thử nghiệm của mình. Rất hữu ích để so sánh kết quả trên một số lượng lớn các thử nghiệm.
Tại thời điểm này (5/24) không có cách nào được hỗ trợ chính thức để thực hiện việc này. Nhưng chúng tôi đang tìm kiếm thêm một hệ thống tổng quát hơn để ràng buộc các nguồn dữ liệu khác nhau để hình dung cùng nhau, và điều này sẽ được hỗ trợ bởi hệ thống đó. – dandelion
@ bồ công anh hiện tại vẫn không được hỗ trợ? – reese0106
[đây là giải pháp sử dụng keras] (https://stackoverflow.com/a/48393723/3609568) – user66081