跳到主内容

Keras 与 TensorBoard

下面的示例演示了将 ClearML 集成到使用 Keras 和 TensorBoard 的代码中。在 脚本 中或在 Jupyter Notebook 中查看。

注意

Jupyter Notebook 中的示例包含一个可点击的图标，可在 Google Colab 中打开该 notebook。

示例脚本执行以下操作

  1. 在 Keras 内置的 MNIST 数据集上训练一个简单的深度神经网络。
  2. 使用分类交叉熵损失目标函数构建一个序贯模型。
  3. 将准确性指定为指标，并使用两个回调函数：TensorBoard 回调和模型检查点回调。
  4. 在脚本执行期间，在 examples 项目（在脚本中）或 Colab notebooks 项目（在 Jupyter Notebook 中）中创建一个名为 Keras with TensorBoard example 的任务。

标量​

损失和准确性指标标量图出现在 SCALARS 中，以及资源利用率图，其标题为 :monitor: machine。

Scalars Scalars

直方图​

层密度直方图出现在 PLOTS 中。

Histograms Histograms

超参数​

ClearML 自动记录使用 argparse 生成的命令行选项和 TensorFlow 定义。

命令行选项出现在 CONFIGURATION > HYPERPARAMETERS > Args 中。

Hyperparameters Args Hyperparameters Args

TensorFlow 定义出现在 TF_DEFINE 中。

TF Defines TF Defines

控制台​

打印到控制台的训练进度文本以及所有其他控制台输出，出现在 CONSOLE 中。

Console Log Console Log

配置对象​

通过调用 Task.connect() 将配置字典连接到 Task。

task.connect_configuration(
   name="MyConfig", 
   configuration={'test': 1337, 'nested': {'key': 'value', 'number': 1}}
)

它出现在 CONFIGURATION > CONFIGURATION OBJECTS > MyConfig 中。

Custom configuration Custom configuration