我可以使用Tensorboard来解决我的线性回归或线性分类问题吗？

Question

我正在研究是否可以在我的项目中使用tensorboard。在我的项目中，我使用数据（csv文件），我不知道我是否可以使用tensorboard进行损失，预测，或者如果它只能用于图像识别。我自己并没有真正的管理它.有谁知道这是否可能，以及你如何做到这一点吗？ 我使用tensorflow。

谢谢。

Answer 1

是的，你也可以使用Tensorboard进行回归。你可以监控 "标量,分布,图形,histogram`等来监控参数在不同时间段的更新情况。

我已经使用了简单的例子并展示了如何在colab中使用。

import tensorflow as tf
import numpy as np
from tensorflow import keras
import os
import datetime
model = tf.keras.Sequential([keras.layers.Dense(units=1, input_shape=[1])])
model.compile(optimizer='sgd', loss='mean_squared_error')
xs = np.array([-1.0,  0.0, 1.0, 2.0, 3.0, 4.0], dtype=float)
ys = np.array([-3.0, -1.0, 1.0, 3.0, 5.0, 7.0], dtype=float) # 2*x-1
logdir = os.path.join("logs", datetime.datetime.now().strftime("%Y%m%d-%H%M%S"))
tensorboard_callback = tf.keras.callbacks.TensorBoard(logdir, histogram_freq=1)
model.fit(xs, ys, epochs=500, verbose=0,callbacks=[tensorboard_callback])
print(model.predict([6.0])) # actual value is 11.0 and predicts 10.99

%load_ext tensorboard
%tensorboard --logdir logs

完整的代码是 此处 以供参考。

Answer 2

谢谢你的回答，很好用!

但是现在我又遇到了另一个问题，我想使用如下的csv文件： import tensorflow as tf import numpy as np from tensorflow import keras import pandas as np 我想使用如下的csv文件： import tensorflow as tf import numpy as np from tensorflow import keras import pandas as pd import sklearn from sklearn import linear_model。

import os
from datetime import datetime

data = pd.read_csv("student-mat.csv", sep=";")
data = data[["G1", "G2", "G3", "studytime", "failures", "absences"]]
predict = "G3"

model = tf.keras.Sequential([
keras.layers.Dense(units=5, input_shape=[5])])
model.compile(optimizer='sgd',
          loss='mean_squared_error',
          metrics=['accuracy'])

xs = np.array(data.drop([predict], 1))
ys = np.array(data[predict])

x_train, x_test, y_train, y_test =         sklearn.model_selection.train_test_split(xs, ys, test_size=0.1)

log_dir= ".\\tensorflow_logs\\test\\"+datetime.now().strftime("%Y%m%d-    %H%M%S")
tensorboard_callback = tf.keras.callbacks.TensorBoard(log_dir=log_dir,     histogram_freq=1)

model.fit(x_train,
      y_train,
      epochs=500,
      verbose=0,
      validation_data=(x_test, y_test),
      callbacks=[tensorboard_callback])

我得到了错误信息。

ValueError: 一个目标数组的形状(355, 1)被传递给一个形状(None, 355)的输出，同时作为损失。mean_squared_error. 这种损失希望目标具有相同的形状的输出。

你现在有一个解决方案，这个问题。我认为它有做的输入_形状，但不知道？