【发布时间】:2020-08-13 01:24:40
【问题描述】:
获取可操作的 Keras 模型的图形表示的最佳方法是什么。具体来说,我正在寻找与 model_to_dot 函数非常相似的东西,它可以取消嵌套嵌套模块,而是将所有层作为节点(而不仅仅是它们的名称和尺寸)返回一个边缘列表。我们的目标不是可视化网络,而是基于它创建一个增强的网络。
【问题讨论】:
标签: tensorflow keras tensorflow2.0 tf.keras
获取可操作的 Keras 模型的图形表示的最佳方法是什么。具体来说,我正在寻找与 model_to_dot 函数非常相似的东西,它可以取消嵌套嵌套模块,而是将所有层作为节点(而不仅仅是它们的名称和尺寸)返回一个边缘列表。我们的目标不是可视化网络,而是基于它创建一个增强的网络。
【问题讨论】:
标签: tensorflow keras tensorflow2.0 tf.keras
您可以使用 TensorBoard 实用程序。具体来说,在训练您的网络时,添加此回调:
callbacks = []
callbacks.append(tf.keras.callbacks.TensorBoard(log_dir="some_directory", histogram_freq=1))
model.fit(train,
epochs=EPOCHS,
steps_per_epoch=int(train_size / BATCH_SIZE),
validation_data=val,
validation_steps=int(val_size / BATCH_SIZE),
validation_freq=1,
callbacks=callbacks)
训练完成后,从命令行或 jupyter notebook 运行命令tensorboard --logdir some_directory。随着训练的进行,您还可以可视化所有内容。除了其他信息,还有一个实用程序可以将您的网络显示为有向图。
TensorBoard Start Guide
【讨论】: