티스토리 뷰
728x90
반응형
라이브러리 임포트
from tensorflow.keras.callbacks import TensorBoard
텐서보드 시작
텐서보드를 시작하고 결과를 저장할 로그 디렉토리를 지정한다.
tensorboard = TensorBoard(log_dir="logs/{}".format(NAME))
학습과정에 연결하기
학습 과정 결과를 저장할 수 있도록 casllbacks=[tensorboard]를 추가한다.
model.fit(X, y,
batch_size=32,
epochs=3,
validation_split=0.3,
callbacks=[tensorboard])
실행하기
학습이 완료된 후 터미널 창에서 저장한 logs디렉토리로 들어가는 폴더가 보이는 위치로 이동하고 다음과 같이 텐서보드로 실행 결과를 볼 수 있도록 명령을 타이핑한다.
$ tensorboard --logdir logs/.
타이핑 하면 다음과 같은 메시지를 볼 수 있다.
TensorBoard 1.10.0 at http://3d290f3fec06:6006 (Press CTRL+C to quit)
웹에서 살펴보기
웹브라우저에서 localhost:6006을 주소 입력창에 타이핑에 넣으면 된다.
참고 예제
https://pythonprogramming.net/tensorboard-analysis-deep-learning-python-tensorflow-keras/
Python Programming Tutorials
Welcome to part 4 of the deep learning basics with Python, TensorFlow, and Keras tutorial series. In this part, what we're going to be talking about is TensorBoard. TensorBoard is a handy application that allows you to view aspects of your model, or models
pythonprogramming.net
728x90
반응형
'CVML > TensorFlow' 카테고리의 다른 글
jupyter lab실행시 에러 해결(CUDA:0 not supported by XLA service) (0) | 2020.03.05 |
---|---|
Tensorflow 버전 조합(CUDA, cuDNN, NVidia Driver) (0) | 2019.08.18 |
tensoflow eager execution mode 관련 글 링크 (0) | 2019.05.28 |
모두를 위한 딥러닝 시즌 2 - Tensorflow 링크 (0) | 2019.04.02 |
도커로 TensorFlow 학습환경 구축하기 (0) | 2019.04.01 |
댓글
공지사항
최근에 올라온 글
최근에 달린 댓글
- Total
- Today
- Yesterday
링크
TAG
- Linux
- MicroBit
- 한글
- vscode
- Stable Diffusion
- nodejs
- 3d프린터
- Arduino
- vvvv
- ssh
- CAD
- opencv
- Maker
- 우분투
- tensorflow
- comfyUI
- nvidia
- git
- Fusion360
- Python
- conda
- ubuntu
- WSL
- Streamlit
- docker
- 메이커
- cura
- 파이썬
- 단축키
- fablab
일 | 월 | 화 | 수 | 목 | 금 | 토 |
---|---|---|---|---|---|---|
1 | ||||||
2 | 3 | 4 | 5 | 6 | 7 | 8 |
9 | 10 | 11 | 12 | 13 | 14 | 15 |
16 | 17 | 18 | 19 | 20 | 21 | 22 |
23 | 24 | 25 | 26 | 27 | 28 | 29 |
30 | 31 |
글 보관함