• 텐서보드는 로컬에서 실행할 수 있는 브라우저 기반 애플리케이션으로, 훈련하는 동안 모델 안에서 일어나는 모든 것을 모니터링한다.
• 텐서 보드의 기능

1. 훈련하는 동안 측정 지표를 시각적으로 모니터링
2. 모델 구조를 시각화
3. 활성화 출력과 그레이디언트의 히스토그램을 보여줌
4. 임베딩을 3D로 표현

이전 mnist 사용

from tensorflow import keras
from tensorflow.keras import layers
from tensorflow.keras.datasets import mnist

def get_mnist_model():
    inputs = keras.Input(shape=(28*28,))
    features = layers.Dense(512, activation="relu")(inputs)
    features = layers.Dropout(0.5)(features)
    outputs = layers.Dense(10, activation="softmax")(features)
    model = keras.Model(inputs, outputs)
    return model

(images, labels), (test_images, test_labels) = mnist.load_data()
images = images.reshape((60000, 28*28)).astype("float32") / 255
test_images = test_images.reshape((10000, 28*28)).astype("float32") / 255
train_images, val_images = images[10000:], images[:10000]
train_labels, val_labels = labels[10000:], labels[:10000]

텐서보드 사용법

• keras.callbacks.TensorBoard 콜백 사용한다.
• keras.callbacks.TensorBoard 콜백 안에 로그를 저장할 위치를 지정한다.

model = get_mnist_model()
model.compile(optimizer="rmsprop",
              loss="sparse_categorical_crossentropy",
              metrics=["accuracy"])
tensorboard = keras.callbacks.TensorBoard(
    log_dir="/full_path_to_your_log_dir",
)
model.fit(train_images, train_labels,
          epochs=10,
          callbacks=[tensorboard],
          validation_data=(val_images, val_labels))

• Google Colab에서 보는 법

<aside> 🖥️ %load_ext tensorboard %tensorboard --logdir /full_path_to_your_log_dir

</aside>