调用tensorboard

本文展示了tensorboard的基本调用方法，在代码中使用了mnist数据训练DNN，并通过tensorboard绘制DNN的结构图和学习曲线。

采用的版本为tensorflow2.0.0a及其内置的tensorboard

代码如下：

import numpy as np
import matplotlib.pyplot as plt
import matplotlib.pyplot as plt
import tensorflow as tf
from tensorflow import keras
from tensorflow.keras import layers
from tensorflow.keras.callbacks import TensorBoard

# 读取数据
path='./mnist.npz'
f = np.load(path)
train_x, train_y = f['x_train'], f['y_train']
test_x, test_y = f['x_test'], f['y_test']
f.close()

# 数据处理
train_x = train_x.reshape((60000,28*28),order='C')   
test_x = test_x.reshape((10000,28*28),order='C')    
train_x = train_x[:500]
train_y = train_y[:500]
test_x = test_x[:100]
test_y = test_y[:100]

#建模训练
model = keras.Sequential()
model.add(layers.Dense(50,activation='relu',input_dim=28*28))
model.add(layers.Dense(10,activation='softmax'))
model.compile(optimizer='adam',loss='sparse_categorical_crossentropy',metrics=['acc'])
Tensorboard = TensorBoard(log_dir='.\logs', histogram_freq=1)    # 注意在windows系统下，log_dir路径要用反斜杠
model.fit(train_x,train_y,epochs=100,batch_size=512,callbacks=[Tensorboard])

程序执行后，在根目录下生成了logs文件夹，用于存放tensorboard所需的数据

在cmd窗口中进入程序的根目录，或直接在根目录的地址栏中输入cmd回车，然后在cmd中输入命令 tensorboard --logdir＝logs

打开chorome浏览器，输入网址:http://localhost:6006/

可以看到学习曲线和模型结构图