一个简单的keras回调,使您的模型可以在线访问。
tfPlots的Python项目详细描述
一个简单的keras回调函数,通过https://tfplots.ml/使您的度量图易于在线访问和共享。tfplots不需要任何注册,而是在每次trainig会话开始之前使用给您的unqiue id。该服务在使用前不需要冗长的安装过程,而且是免费的。
这仍处于测试阶段
目录
一。安装
要安装tfplots,只需使用pip
pipinstalltfPlots
2.如何使用
2.1将模型连接到https://tfplots.ml
使用tfplots作为任何其他keras回调。下面是一个例子。
fromtfPlots.callbacksimporttfplottermodel=Sequential()model.add(Dense(12,activation='softmax',input_dim=10))model.compile(loss="mse",optimizer="adam")model.fit(x_train,y_train,batch_size=batch_size,epochs=10,callbacks=[tfplotter])
在fit begin,您将获得一个回调id,用于访问图形数据。 若要查看当前或以前的,请用图表访问https://tfplots.ml,然后输入给定的回调ID。
"""****** TFPLOTS ******Your given callback_id is: SFEtENVisit tfplots.ml/?a=SFEtENto track your models progress****** TFPLOTS ******"""
tfplotter将跟踪您的指标,并实时更新给定tfplots.ml页面上的图形。在当前版本中,每个图形更新发生在每个完成的纪元之后。
2.2将模型图连接到帐户
尽管在使用前注册帐户不是必需的,但这样做有一些好处,例如可以将绘图连接到帐户以便于管理。
为了将所有绘图保存在tfplots.ml的单个位置,首先需要注册。注册后,转到https://tfplots.ml/myPage您将在那里找到分配的密钥。 要将tfplotter连接到帐户,只需将tflotter.key设置为指定的密钥。
fromtfPlots.callbacksimporttfplottertfplotter.key="YOUR-KEY-HERE-AS-STRING"model=Sequential()model.add(Dense(12,activation='softmax',input_dim=10))model.compile(loss="mse",optimizer="adam")model.fit(x_train,y_train,batch_size=batch_size,epochs=10,callbacks=[tfplotter])
2.3将您的模型分组
如果您想在一个具有不同超参数的单一模型上运行多个测试,那么您可能需要对模型进行分组以便于管理。可以通过将tfplotter.group设置为选定的组名来执行此操作。
fromtfPlots.callbacksimporttfplottertfplotter.key="YOUR-KEY-HERE-AS-STRING"tfplotter.group="YOUR-GROUP-NAME"model=Sequential()model.add(Dense(12,activation='softmax',input_dim=10))model.compile(loss="mse",optimizer="adam")model.fit(x_train,y_train,batch_size=batch_size,epochs=10,callbacks=[tfplotter])
三。示例图像
用户页的图像。