Keras + TensorFlow Realtime biểu đồ đào tạo

Question

Tôi đã đoạn mã sau chạy bên trong một máy tính xách tay Jupyter:

# Visualize training history 
from keras.models import Sequential 
from keras.layers import Dense 
import matplotlib.pyplot as plt 
import numpy 
# fix random seed for reproducibility 
seed = 7 
numpy.random.seed(seed) 
# load pima indians dataset 
dataset = numpy.loadtxt("pima-indians-diabetes.csv", delimiter=",") 
# split into input (X) and output (Y) variables 
X = dataset[:,0:8] 
Y = dataset[:,8] 
# create model 
model = Sequential() 
model.add(Dense(12, input_dim=8, kernel_initializer='uniform', activation='relu')) 
model.add(Dense(8, kernel_initializer='uniform', activation='relu')) 
model.add(Dense(1, kernel_initializer='uniform', activation='sigmoid')) 
# Compile model 
model.compile(loss='binary_crossentropy', optimizer='adam', metrics=['accuracy']) 
# Fit the model 
history = model.fit(X, Y, validation_split=0.33, epochs=150, batch_size=10, verbose=0) 
# list all data in history 
print(history.history.keys()) 
# summarize history for accuracy 
plt.plot(history.history['acc']) 
plt.plot(history.history['val_acc']) 
plt.title('model accuracy') 
plt.ylabel('accuracy') 
plt.xlabel('epoch') 
plt.legend(['train', 'test'], loc='upper left') 
plt.show() 
# summarize history for loss 
plt.plot(history.history['loss']) 
plt.plot(history.history['val_loss']) 
plt.title('model loss') 
plt.ylabel('loss') 
plt.xlabel('epoch') 
plt.legend(['train', 'test'], loc='upper left') 
plt.show() 

Mã này thu thập lịch sử thời đại, sau đó hiển thị lịch sử tiến bộ.

---

Q: Làm thế nào tôi có thể thực hiện thay đổi bảng xếp hạng trong khi đào tạo để tôi có thể thấy những thay đổi trong thời gian thực?

Answer 1

Máy ảnh đi kèm với callback for TensorBoard.

Bạn có thể dễ dàng thêm hành vi này vào mô hình của mình và sau đó chỉ cần chạy tensorboard ở phía trên cùng của dữ liệu ghi nhật ký.

callbacks = [TensorBoard(log_dir='./logs')] 
result = model.fit(X, Y, ..., callbacks=callbacks) 

Và sau đó trên vỏ của bạn:

tensorboard --logdir=/logs 

Nếu bạn cần nó trong máy tính xách tay của bạn, bạn cũng có thể viết callback của riêng bạn để có được số liệu trong khi đào tạo:

class LogCallback(Callback): 

    def on_epoch_end(self, epoch, logs=None): 
     print(logs["train_accuracy"]) 

sẽ này có được độ chính xác đào tạo vào cuối kỷ nguyên hiện tại và in nó. There's some good documentation around it on the official keras site.