构造Keras Tensorboard图

Question

当我创建一个简单的Keras模型

model = Sequential()
model.add(Dense(10, activation='tanh', input_dim=1))
model.add(Dense(1, activation='linear'))
model.compile(loss='mean_squared_error', optimizer='adam', metrics=['mean_squared_error'])

然后给Tensorboard打个电话

tensorboard = TensorBoard(log_dir='c:/temp/tensorboard/run1', histogram_freq=1, write_graph=True, write_images=False)
model.fit(x, y, epochs=1000, batch_size=1, callbacks=[tensorboard])

Tensorboard中的输出如下所示：

​

换句话说，这是一个完全的混乱。

1. 我能做些什么来使图形输出看起来更有条理吗？
2. 如何使用Keras和Tensorboard创建权重直方图？

Answer 1

使用K.name_scope('name_scope')，您可以创建一个名称范围来对模型中的层进行分组。

示例：

with K.name_scope('CustomLayer'):
  # add first layer in new scope
  x = GlobalAveragePooling2D()(x)
  # add a second fully connected layer
  x = Dense(1024, activation='relu')(x)

多亏了https://github.com/fchollet/keras/pull/4233#issuecomment-316954784