Jupyter-tensorboardの紹介とKerasから使ってみる
Jupyter Notebookに統合されたTensorboardの紹介です。
https://github.com/lspvic/jupyter_tensorboard
ディープラーニングのモデル開発をする際、ひろく使われる開発インターフェイスがJupyter Notebookです。
加えてディープラーニングのフレームワークとして頻繁に使われる2強がTensorflowとKerasだと思います。
Keras自体がTheanoやTensorflowをカバーするハイレベル・ライブラリのため、実質Tensorflowが使われているのですが、TensorflowにはTensorboardという便利なウェブアプリケーションがあります。
Jupyter-tensorboardはJupyter上でTensorboardを起動することができるプラグインです。
インストール方法は簡単で、pip install
で導入できます。
pip install tensorflow tensorboard keras jupyter-tensorboard
Kerasからでも使える
Kerasは従来からTensorboardで可視化することができますが、もちろんJupyter-tensorboardでも使えます。
簡単にMNISTのモデルをJupyter-tensorboardで表示したいと思います。
プログラムは以下ですが、"!!ここ追加!!"とある部分を追加するだけでTensorboardを使うことができるようになります。
import keras
from keras.datasets import mnist
from keras.models import Sequential
from keras.layers import Dense, Dropout
from keras.optimizers import RMSprop
batch_size = 128
num_classes = 10
epochs = 20
# the data, shuffled and split between train and test sets
(x_train, y_train), (x_test, y_test) = mnist.load_data()
x_train = x_train.reshape(60000, 784)
x_test = x_test.reshape(10000, 784)
x_train = x_train.astype('float32')
x_test = x_test.astype('float32')
x_train /= 255
x_test /= 255
print(x_train.shape[0], 'train samples')
print(x_test.shape[0], 'test samples')
# convert class vectors to binary class matrices
y_train = keras.utils.to_categorical(y_train, num_classes)
y_test = keras.utils.to_categorical(y_test, num_classes)
model = Sequential()
model.add(Dense(512, activation='relu', input_shape=(784,)))
model.add(Dropout(0.2))
model.add(Dense(512, activation='relu'))
model.add(Dropout(0.2))
model.add(Dense(num_classes, activation='softmax'))
model.compile(loss='categorical_crossentropy',
optimizer=RMSprop(),
metrics=['accuracy'])
# !!ここ追加!!
tb_cb = keras.callbacks.TensorBoard(log_dir="tflog/", histogram_freq=1)
cbks = [tb_cb]
history = model.fit(x_train, y_train,
batch_size=batch_size,
epochs=epochs,
verbose=1,
validation_data=(x_test, y_test),
callbacks=cbks) # !!ここ追加!!
score = model.evaluate(x_test, y_test, verbose=0)
print('Test loss:', score[0])
print('Test accuracy:', score[1])
MNISTの学習を開始すると、"tflog/"ディレクトリにログが蓄積されていきます。
Jupyterの画面でこのディレクトリを選択し、Tensorboardを選択することでJupyter-tensorboardを起動することができます。
あとはTensorboardそのままに使うことができます。