从函数式 API 构建的模型的 Keras 可视化

Question

我想问是否有一种简单的方法来可视化从功能 API 构建的 Keras 模型？

目前，对我来说，在高层调试顺序模型的最佳方法是：

model = Sequential()
model.add(...
...

print(model.summary())
SVG(model_to_dot(model).create(prog='dot', format='svg'))

然而，如果我们构建一个更复杂的非顺序模型，我很难找到一种可视化 Keras API 的好方法。

Answer 1

是的，有，请尝试检查其中keras.utils的方法plot_model()，详细说明请参见此处。看来您已经熟悉了keras.utils.vis_utils该model_to_dot方法，但这是另一种选择。它的用法是这样的：

from keras.utils import plot_model
plot_model(model, to_file='model.png')

老实说，这是我仅使用 Keras 找到的最好的结果。model.summary()像您一样使用有时也很有用。我还希望有一些工具可以更好地可视化模型，甚至可能能够看到每层的权重，以决定最佳的网络结构和初始化（如果您知道一个工具，请告诉:]）。

您当前拥有的最佳选择可能是在Tensorboard上可视化内容，您可以通过TensorBoard回调将其包含在 Keras 中。这使您能够可视化您的训练和感兴趣的指标，以及有关层激活、偏差和内核等的一些信息。基本上，您必须在拟合模型之前将此代码添加到您的程序中：

from keras.callbacks import TensorBoard
#indicate folder to save, plus other options
tensorboard = TensorBoard(log_dir='./logs/run1', histogram_freq=1,
    write_graph=True, write_images=False)  

#save it in your callback list, where you can include other callbacks
callbacks_list = [tensorboard]
#then pass to fit as callback, remember to use validation_data also
regressor.fit(X, Y, callbacks=callbacks_list, epochs=64, 
    validation_data=(X_test, Y_test), shuffle=True)

然后，您可以在终端上使用以下命令运行 Tensorboard（在 Web 服务上本地运行）：

tensorboard --logdir=/logs/run1

然后，这将指示您在哪个端口可视化您的训练。如果您获得了不同的运行结果，您可以通过--logdir=/logs，以便能够将它们一起可视化以进行比较。当然，关于 Tensorboard 的使用还有更多选项，因此，如果您正在考虑使用它，我建议您查看包含的链接。