使用ImageDataGenerator的Tensorboard和Keras图像

Question

使用TensorFlow，Keras和TensorBoard时遇到问题。

我写了一个图像分类网络。 我使用Keras的ImageDataGenerator在拟合期间加载图像：

test_image_data = test_image_generator.flow_from_directory("images/test_set/buildings",
                                                       target_size=(64, 64),
                                                       batch_size=32,
                                                       class_mode='binary')

tensorboard = TensorBoard(log_dir='./log/{}'.format(NAME), embeddings_freq=1, embeddings_layer_names=['features'], embeddings_data=test_image_data)

model.fit_generator(train_image_data, validation_data=test_image_data, validation_steps=800,
                    steps_per_epoch=8000, epochs=10, callbacks=[tensorboard])

所以我想在TensorBoard中查找CNN对图像的处理方式。

谢谢，马文。

Answer 1

我不知道如何在keras中使用tensorboard回调来做到这一点。 因此，我编写了自己的keras回调。 这是一个简短的代码段，您可以轻松对其进行修改

class ImageCallback(Callback):
    def __init__(self,logdir, data, n_images):
        self.logdir = logdir
        self.data = data
        self.n_images = n_images
    def set_model(self,model):
        self.model = model
        self.sess = K.get_session()
        self.writer = tf.summary.FileWriter(logdir=self.logdir)
    def on_epoch_end(self,epoch,logs={}):
        output_images = tf.cast(self.model.call(self.data),dtype=tf.float32)
        output_images *= 255
        with tf.name_scope("predictions"):
            tf.summary.image(name="output",tensor = output_iamges, max_outputs=self.n_images)
        self.writer.add_summary(self.sess.run(self.summary), epoch+1)
    def on_train_begin(self,logs=None):
        with tf.name_scope("images"):
            input_images = tf.summary.image(name="input", tensor=self.data, max_outputs=self.n_images)
        self.writer.add_summary(self.sess.run(input_images))
        output_images = tf.cast(self.model.call(self.data),dtype=tf.float32)
        output_images *= 255
        with tf.name_scope("predictions"):
            tf.summary.image(name="output",tensor = output_images, max_outputs=self.n_images)
       self.summary = tf.summary.merge_all(scope='predictions')
       self.writer.add_summary(self.sess.run(self.summary),0)

然后，您可以在调用model.fit()时传递此回调。 希望对您有所帮助。 让我知道，是否有更好的方法。