相关疑难解决方法(0)

Tensorboard自述文件的图像仪表板部分说:

由于图像仪表板支持任意png,因此您可以使用它将自定义可视化(例如matplotlib散点图)嵌入到TensorBoard中.

我看到如何将pyplot图像写入文件,作为张量读回,然后与tf.image_summary()一起使用以将其写入TensorBoard,但自述文件中的这一陈述表明有更直接的方法.在那儿？如果是这样,是否有任何进一步的文档和/或示例如何有效地执行此操作？

我正在尝试使用 TensorFlow 2.0 设置图像识别 CNN。为了能够分析我的图像增强，我想在张量板中查看我输入网络的图像。

不幸的是，我不知道如何使用 TensorFlow 2.0 和 Keras 来做到这一点。我也没有真正找到这方面的文档。

为简单起见，我展示了一个 MNIST 示例的代码。我将如何在此处添加图像摘要？

import tensorflow as tf
(x_train, y_train), _ = tf.keras.datasets.mnist.load_data()

def scale(image, label):
    return tf.cast(image, tf.float32) / 255.0, label

def augment(image, label):
    return image, label  # do nothing atm

dataset = tf.data.Dataset.from_tensor_slices((x_train, y_train))
dataset = dataset.map(scale).map(augment).batch(32)

model = tf.keras.models.Sequential([
    tf.keras.layers.Flatten(input_shape=(28, 28)),
    tf.keras.layers.Dense(128, activation='relu'),
    tf.keras.layers.Dropout(0.2),
    tf.keras.layers.Dense(10, activation='softmax')
])

model.compile(optimizer='adam', loss='sparse_categorical_crossentropy', metrics=['accuracy'])
model.fit(dataset, epochs=5, callbacks=[tf.keras.callbacks.TensorBoard(log_dir='D:\\tmp\\test')])

我已将Tensorboard与Keras设置为回调,如下所示:

callback_tb = keras.callbacks.TensorBoard(log_dir=tb_dir, histogram_freq=2,write_graph=True,write_images=True)
callbacks_list = [callback_save,callack_view, callback_tb]
model.fit(x_train,y_train,
                  batch_size=batch_size,
                  epochs=epochs,
                  callbacks=callbacks_list,
                  verbose=1,
                  validation_data=(x_test,y_test),
                  shuffle='batch')

这很好,我可以看到Tensorboard上的损失和准确度图表.我正在另一个文件中生成并保存模型预测,但我想知道是否可以使用Keras在Tensorboard上查看这些图像？

我tf.summary.image在https://github.com/tensorflow/tensorboard上找到了这个功能 但我不明白这与Keras的关系.任何帮助,将不胜感激.

我编写了一个自定义 keras 回调来检查来自生成器的增强数据。（有关完整代码，请参阅此答案tf.data.Dataset。）但是，当我尝试对 a 使用相同的回调时，它给了我一个错误：

  File "/path/to/tensorflow_image_callback.py", line 16, in on_batch_end
imgs = self.train[batch][images_or_labels]
TypeError: 'PrefetchDataset' object is not subscriptable

keras 回调通常只适用于生成器，还是与我编写回调的方式有关？有没有办法修改我的回调或数据集以使其工作？

我认为这个难题由三部分组成。我对其中任何一个和所有的改变持开放态度。首先是自定义回调类中的init函数：

class TensorBoardImage(tf.keras.callbacks.Callback):
    def __init__(self, logdir, train, validation=None):
        super(TensorBoardImage, self).__init__()
        self.logdir = logdir
        self.file_writer = tf.summary.create_file_writer(logdir)
        self.train = train
        self.validation = validation

其次，on_batch_end同一个类中的函数

def on_batch_end(self, batch, logs):
    images_or_labels = 0 #0=images, 1=labels
    imgs = self.train[batch][images_or_labels]

三、实例化回调

import tensorflow_image_callback
tensorboard_image_callback = tensorflow_image_callback.TensorBoardImage(logdir=tensorboard_log_dir, train=train_dataset, validation=valid_dataset)
model.fit(train_dataset,
          epochs=n_epochs,
          validation_data=valid_dataset, 
          callbacks=[
                    tensorboard_callback,
                    tensorboard_image_callback
                    ])

一些尚未让我找到答案的相关主题：

在自定义回调中访问验证数据

创建 …