《python深度学习》笔记---7.2.2、TensorBoard 来检查并监控深度学习模型

《python深度学习》笔记---7.2.2、TensorBoard 来检查并监控深度学习模型

一、总结

一句话总结：

使用TensorFlow 时，TensorBoard 是一种在浏览器中将模型活动可视化的好方法。在 Keras 模型中你可以通过 TensorBoard 回调函数来使用这种方法。

 

 

1、TensorBoard 具有下列巧妙的功能，都在浏览器中实现？

在训练过程中以可视化的方式监控指标

将模型架构可视化

将激活和梯度的直方图可视化

以三维的形式研究嵌入

 

2、EMBEDDINGS（嵌入）标签页让你可以查看输入词表中 2000 个单词的嵌入位置和空间关系， 它们都是由第一个 Embedding 层学到的。因为嵌入空间是128 维的，所以TensorBoard 会使用 你选择的降维算法自动将其降至二维或三维？

可选的降维算法有主成分分析（PCA）和t-分布 随机近邻嵌入（t-SNE）

 

 

3、Keras 还提供了另一种更简洁的方法——keras.utils.plot_model 函数，它可以 将模型绘制为层组成的图？

就是一层一层的那个图：每层名称，每层的input和output

 

 

二、内容在总结中

博客对应课程的视频位置：