使用TensorFlow,Keras和TensorBoard时遇到问题。
我写了一个图像分类网络。我使用Keras的ImageDataGenerator在拟合期间加载图像:
test_image_data = test_image_generator.flow_from_directory("images/test_set/buildings",
target_size=(64, 64),
batch_size=32,
class_mode='binary')
tensorboard = TensorBoard(log_dir='./log/{}'.format(NAME), embeddings_freq=1, embeddings_layer_names=['features'], embeddings_data=test_image_data)
model.fit_generator(train_image_data, validation_data=test_image_data, validation_steps=800,
steps_per_epoch=8000, epochs=10, callbacks=[tensorboard])
所以我想在TensorBoard中查看CNN对图像的处理方式。
谢谢,马文。
我无法弄清楚,如何使用keras中的tensorboard回调来做到这一点。因此我写了自己的keras回调。这是一个简短的代码片段,您可以轻松修改它
class ImageCallback(Callback):
def __init__(self,logdir, data, n_images):
self.logdir = logdir
self.data = data
self.n_images = n_images
def set_model(self,model):
self.model = model
self.sess = K.get_session()
self.writer = tf.summary.FileWriter(logdir=self.logdir)
def on_epoch_end(self,epoch,logs={}):
output_images = tf.cast(self.model.call(self.data),dtype=tf.float32)
output_images *= 255
with tf.name_scope("predictions"):
tf.summary.image(name="output",tensor = output_iamges, max_outputs=self.n_images)
self.writer.add_summary(self.sess.run(self.summary), epoch+1)
def on_train_begin(self,logs=None):
with tf.name_scope("images"):
input_images = tf.summary.image(name="input", tensor=self.data, max_outputs=self.n_images)
self.writer.add_summary(self.sess.run(input_images))
output_images = tf.cast(self.model.call(self.data),dtype=tf.float32)
output_images *= 255
with tf.name_scope("predictions"):
tf.summary.image(name="output",tensor = output_images, max_outputs=self.n_images)
self.summary = tf.summary.merge_all(scope='predictions')
self.writer.add_summary(self.sess.run(self.summary),0)
然后你可以在调用model.fit()
时传递这个回调。我希望有所帮助。让我知道,如果有更好的方法。