我可以将 Tensorboard 用于我的线性回归或线性分类问题吗？答案

【问题标题】：Can i use Tensorboard for my linear regression or linear classification problem?我可以将 Tensorboard 用于我的线性回归或线性分类问题吗？
【发布时间】：2020-08-28 08:25:12
【问题描述】：

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），但我不知道是否可以使用 tensorboard 进行损失、预测或是否只能用于图像识别。我自己并没有真正管理它。有没有人知道这是否可行以及如何做到这一点？我使用张量流。

谢谢。

【问题讨论】：

标签： python machine-learning artificial-intelligence tensorflow2.0 tensorboard

【解决方案1】：

是的。您也可以使用 Tensorboard 进行回归。您可以监控 'scalars,distributions,graphs,histogram` 等来监控参数如何随着时间或时间而更新。

我使用了简单的例子，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

完整代码为here，供参考。

【讨论】：

感谢您的回答。它运作良好！但是我下面还有一个问题

【解决方案2】：

感谢您的回答。它运作良好！

但现在我遇到了另一个问题。我想使用这样的 csv 文件：将张量流导入为 tf 将 numpy 导入为 np 从张量流导入 keras 将熊猫导入为 pd 导入sklearn 从 sklearn 导入线性模型

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])

我收到错误消息：

ValueError: 形状为 (355, 1) 的目标数组被传递为形状 (None, 355) 的输出，同时用作损失 mean_squared_error。这种损失期望目标具有与输出相同的形状。

你现在有解决这个问题的办法吗？我认为这与 input_shape 但 idk 有关？

【讨论】：

实际数据和预测数据之间的形状不匹配。使用上面的代码，我无法判断错误在哪里。发布完整代码。