![](/img/trans.png)
[英]WARNING:tensorflow:`write_grads` will be ignored in TensorFlow 2.0 for the `TensorBoard` Callback
[英]How to use TensorBoard write_grads function?
我正在使用 keras 來訓練我的 3 層序列模型,並希望在 TensorBoard 中可視化梯度直方圖。 為此,keras.callbacks.Tensorboard 中有函數“write_grads”,如果您定義 histogram_freq 大於 0( keras docu ),它應該可以工作。 我做了什么:
### tensorboard call
callback_tb = keras.callbacks.TensorBoard(log_dir="logs/"+ name, write_graph = True, write_grads = True, histogram_freq=10 )
### some other callbacks
reduce_lr = keras.callbacks.ReduceLROnPlateau(monitor='val_loss', factor=0.2, patience=10, min_lr=0.001, verbose = 1)
early = keras.callbacks.EarlyStopping(monitor='val_loss', min_delta=5, patience=10, verbose=1, mode='auto')
checkpointer = keras.callbacks.ModelCheckpoint(filepath='tmp/'+name+'.hdf5', verbose=1, save_best_only=True)
### model fit
model.fit(
X_train, y_train,
batch_size=1, nb_epoch=epochs, validation_split=0.05, verbose = 1,class_weight ={0: 1, 1: 0.5}, callbacks = [callback_tb, reduce_lr, early, checkpointer])
我有這個模型配置:
model = Sequential()
layers = [1, 100, 100, 100, 1]
model.add(GRU(
layers[1],
#batch_size = 209,
input_shape=(sequence_length, anzahl_features),
return_sequences=True))
model.add(Dropout(dropout_1))
model.add(LSTM(
layers[2],
#batch_size = 209,
return_sequences=True))
model.add(Dropout(dropout_2))
model.add(GRU(
layers[3],
#batch_size = 209,
return_sequences=False))
model.add(Dropout(dropout_3))
model.add(Dense(
layers[4]))
model.add(Activation('sigmoid'))
print(model.summary())
我得到的錯誤消息如下:
TypeError: init () 得到了一個意外的關鍵字參數 'write_grads'
我的配置有問題嗎? 我可以使用這個模型並獲得梯度直方圖嗎? 或者那些直方圖僅適用於某種類型的模型?
您需要將 Keras 升級到最新版本 (2.0.5)。 以前的版本不支持 write_grads 參數。
pip 安裝 keras --upgrade
write_grads
似乎已被棄用。 這里它不在回調的參數中,並且在 githubs 上有一個取消棄用它的請求。
聲明:本站的技術帖子網頁,遵循CC BY-SA 4.0協議,如果您需要轉載,請注明本站網址或者原文地址。任何問題請咨詢:yoyou2525@163.com.