텐서보드와 연동하기

# 1. 사용할 패키지 불러오기

import keras
from keras.utils import np_utils
from keras.datasets import mnist
from keras.models import Sequential
from keras.layers import Dense, Activation
import numpy as np

# 2. 데이터셋 생성하기

# 2.1 훈련 데이터셋과 시험 데이터셋 불러오기
(X_train, Y_train), (X_test, Y_test) = mnist.load_data()

# 2.2 훈련 데이터셋과 검증 데이터셋 분리하기
X_val = X_train[50000:]
Y_val = Y_train[50000:]
X_train = X_train[:50000]
Y_train = Y_train[:50000]

# 2.3 데이터셋 전처리
X_train = X_train.reshape(50000, 784).astype('float32') / 255.0
X_val = X_val.reshape(10000, 784).astype('float32') / 255.0
X_test = X_test.reshape(10000, 784).astype('float32') / 255.0

# 2.4 훈련 데이터셋과 검증 데이터셋 고르기
train_rand_idxs = np.random.choice(50000, 700)
val_rand_idxs = np.random.choice(10000, 300)

X_train = X_train[train_rand_idxs]
Y_train = Y_train[train_rand_idxs]
X_val = X_val[val_rand_idxs]
Y_val = Y_val[val_rand_idxs]

# 2.5 라벨 데이터 One-hot encoding 처리
Y_train = np_utils.to_categorical(Y_train)
Y_val = np_utils.to_categorical(Y_val)
Y_test = np_utils.to_categorical(Y_test)

# 3. 모델 구성하기
model = Sequential()
model.add(Dense(units=2, input_dim=28*28, activation='relu'))
model.add(Dense(units=10, activation='softmax'))

# 4. 모델 학습과정 살펴보기
model.compile(loss='categorical_crossentropy', optimizer='sgd', metrics=['accuracy'])

# 5. 모델 학습시키기
tb_hist = keras.callbacks.TensorBoard(log_dir='./graph', histogram_freq=0, write_graph=True, write_images=True)
model.fit(X_train, Y_train, epochs=1000, batch_size=10, validation_data=(X_val, Y_val), callbacks=[tb_hist])

# 6. 텐서보드와 연동하기

(1) 실행에서 cmd를 입력하기 엔터를 친다.
(2) cmd창에 tensorboard --logdir=c:/keras/graph를 입력하고 엔터를 친다. c:/keras/graph는 각자마다 다를 수 있다.
(3) 정상적으로 실행되면 url 주소가 나타나는데, 이 주소를 브라우저에 입력하면 된다. 여기서는 buillee:6006이 나타났다.

[출처] 블록과 함께하는 파이썬 딥러닝 케라스, 김태영 지음, DigitalBooks, p51~53