可视化工具tensorboard

记录自己学习到的一些新知识

        TensorBoard是TensorFlow 的开源工具套件，虽然它是TensorFlow 的一部分，但是可以独立安装，并且服务于Pytorch等其他的框架。

        TensorBoard 是一组用于数据可视化的工具。它包含在流行的开源机器学习库 Tensorflow 中。TensorBoard 的主要功能包括：

• 可视化模型的网络架构
• 跟踪模型指标，如损失和准确性等
• 检查机器学习工作流程中权重、偏差和其他组件的直方图
• 显示非表格数据，包括图像、文本和音频
• 将高维嵌入投影到低维空间

       TensorBoard算是包含在 TensorFlow中的一个子服务。TensorFlow 库是一个专门为机器学习应用程序设计的开源库。Google Brain 于 2011 年构建了较早的 DistBelief 系统。随着其用户群的快速增长，它被简化并重构为我们现在称为 Tensorflow 的库。TensorFlow 随后于 2015 年向公众发布。TensorBoard刚出现时只能用于检查TensorFlow的指标和TensorFlow模型的可视化，但是后来经过多方的努力其他深度学习框架也可以使用TensorBoard的功能，例如Pytorch已经抛弃了自家的visdom而全面支持TensorBoard。

        我如何用：

        利用了keras的回调，在模型fit的时候回调是个参数

tf_callback = tf.keras.callbacks.TensorBoard(log_dir="./logs")
model.fit(X_train, y_train, epochs=5, callbacks=[tf_callback])

        关于这个有待继续学习。

        在终端进入回调参数的路径所在，然后输入tensorboard --logdir=“路径”，出现一大串，最下面有个网址，进入网址就可以看到了http://localhost:6006/ 

        后续的操作我跟着以下链接继续学习操作的TensorBoard的最全使用教程：看这篇就够了 - 腾讯云开发者社区-腾讯云 (tencent.com)