是的,请尝试检查,keras.utils
其中具有此处plot_model()
详细说明的方法。似乎您已经熟悉了该方法,但这是另一个选择。它的用法类似于:keras.utils.vis_utils``model_to_dot
from keras.utils import plot_model
plot_model(model, to_file='model.png')
老实说,这是我仅使用Keras就能找到的最好的方法。照常使用model.summary()
有时也会很有用。我还希望有一些工具可以更好地可视化一个人的模型,甚至可以查看每层的权重来决定最佳的网络结构和初始化(如果您知道一个,请告诉:])。
当前可能最好的选择是在 上可视化内容,您可以通过TensorBoard Callback将其包含在Keras中。这使您可以可视化您的训练和感兴趣的指标,以及有关图层激活,偏差和内核等的一些信息。基本上,在拟合模型之前,您必须将此代码添加到程序中:
from keras.callbacks import TensorBoard
#indicate folder to save, plus other options
tensorboard = TensorBoard(log_dir='./logs/run1', histogram_freq=1,
write_graph=True, write_images=False)
#save it in your callback list, where you can include other callbacks
callbacks_list = [tensorboard]
#then pass to fit as callback, remember to use validation_data also
regressor.fit(X, Y, callbacks=callbacks_list, epochs=64,
validation_data=(X_test, Y_test), shuffle=True)
然后,您可以在终端上使用以下命令运行Tensorboard(在Web服务上本地运行):
tensorboard --logdir=/logs/run1
然后,这将指示您在哪个端口上可视化您的培训。如果您得到不同的运行,则可以通过--logdir=/logs
,以便能够将它们一起可视化以进行比较。当然,使用Tensorboard时还有更多选择,因此如果您考虑使用Tensorboard,建议您检查其中包含的链接。