Tensorflow-Keras可视化

学习深度学习的方法有很多，其中可视化是一个非常重要的方法。今天我就来简要的介绍一下如何对keras模型进行可视化。

通过tensorboard可视化

tensorboard 是一个最常用的可视化工具，可以查看训练过程中的loss和accuracy，还可以查看网络结构。

首先我们来看看tensorboard的基本使用方法。

首先，安装tensorboard，命令如下：
1
pip install tensorflow-tensorboard

以mnist为例，为mnist构造网络模型，代码如下：

import tensorflow as tf

#加载mnist数据集
(train_images, train_labels),(test_images, test_labels) = tf.keras.datasets.mnist.load_data()

#归一化处理
train_images, test_images = train_images / 255.0, test_images / 255.0

#构造网络模型
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(train_images, train_labels, epochs=5)
model.evaluate(test_images, test_labels)

设置回调函数

...
from keras_visualize import visualize
...
model=...
...
tensorboard = tf.keras.callbacks.TensorBoard(log_dir="logs/fit/")
model.fit(train_images, train_labels, epochs=5, validated_data=(test_images, test_labels), callbacks=[tensorboard])
#model.evaluate(test_images, test_labels)

运行tensorboard
1
tensorboard --logdir=log/fit

通过上面的操作之后，我们就可以看到mnist的训练过程了，如下图所示：

通过 keras_visualizer 实现可视化

tensorboard 是一个非常常用的可视化工具，但是对于深度学习来说，tensorboard 对网络架构的可视化效果并不好，所以，我推荐使用 keras_visualizer 来实现网络架构的可视化。

不过需要注意的是，从tensorflow2.16开始，默认使用最新的keras3，它与原来的keras2有很大的不同。而keras_visualizer 目前还不支持keras3，所以为了能够使用keras_visualizer，一定要选择安装tensorflow2.15及以下版本。

下面我们来看看如何使用 keras_visualizer 来实现网络架构的可视化的具体步骤：

首先，安装依赖库 graphviz，命令如下：
1
sudo apt-get install graphviz
该库用于绘制dot语言编写的网络结构图。
接下来，安装 keras_visualizer，命令如下：
1
2
pip install keras_visualizer
pip install graphviz

第三步，创建网络模型，代码如下：


...
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')
  ])
...

最后，通过visualize函数绘制网络结构图，代码如下：

1
2
3

from keras_visualizer import visualize
...
visualize(model, file_format='png', filename='model_visualization')

最终的显示结果如下图所示：

其它可视化工具

除了tensorboard、keras-visualizer，还有很多其它可视化工具，如：netron、ann_visualizer等，不过这些可视频工具都不同小异，与keras-visualizer差不多，因此我们只要掌握一种就可以了。

小结

本文向你介绍了两种重要的深度学习可视化工具，分别是tensorboard和keras-visualizer。这两种工具与keras结合的都非常好，操作简单方便，功能强大，为我们学习深度学习提供了良好的参考。

唯一需要注意的是keras-visualizer目前只支持到keras2, 对于keras3的版本，需要等待作者更新。