这个问题是关于 TensorFlow(和 TensorBoard)版本 2.2rc3,但我在 2.1 中遇到了同样的问题。
考虑以下奇怪的代码:
from datetime import datetime
import tensorflow as tf
from tensorflow import keras
inputs = keras.layers.Input(shape=(784, ))
x1 = keras.layers.Dense(32, activation='relu', name='Model/Block1/relu')(inputs)
x1 = keras.layers.Dropout(0.2, name='Model/Block1/dropout')(x1)
x1 = keras.layers.Dense(10, activation='softmax', name='Model/Block1/softmax')(x1)
x2 = keras.layers.Dense(32, activation='relu', name='Model/Block2/relu')(inputs)
x2 = keras.layers.Dropout(0.2, name='Model/Block2/dropout')(x2)
x2 = keras.layers.Dense(10, activation='softmax', name='Model/Block2/softmax')(x2)
x3 = keras.layers.Dense(32, activation='relu', name='Model/Block3/relu')(inputs)
x3 = keras.layers.Dropout(0.2, name='Model/Block3/dropout')(x3)
x3 = keras.layers.Dense(10, activation='softmax', name='Model/Block3/softmax')(x3)
x4 = keras.layers.Dense(32, activation='relu', name='Model/Block4/relu')(inputs)
x4 = keras.layers.Dropout(0.2, name='Model/Block4/dropout')(x4)
x4 = keras.layers.Dense(10, activation='softmax', name='Model/Block4/softmax')(x4)
outputs = x1 + x2 + x3 + x4
model = tf.keras.Model(inputs=inputs, outputs=outputs)
model.summary()
(x_train, y_train), (x_test, y_test) = keras.datasets.mnist.load_data()
x_train = x_train.reshape(60000, 784).astype('float32') / 255
x_test = x_test.reshape(10000, 784).astype('float32') / 255
model.compile(loss=keras.losses.SparseCategoricalCrossentropy(from_logits=True),
optimizer=keras.optimizers.RMSprop(),
metrics=['accuracy'])
logdir = "logs/" + datetime.now().strftime("%Y%m%d-%H%M%S")
tensorboard_callback = keras.callbacks.TensorBoard(log_dir=logdir)
model.fit(x_train, y_train,
batch_size=64,
epochs=5,
validation_split=0.2,
callbacks=[tensorboard_callback])
运行它并查看在 TensorBoard 中创建的图表时, 您将看到以下内容。
可以看出,加法运算真的很难看。
换线时
outputs = x1 + x2 + x3 + x4
随着线条:
outputs = keras.layers.add([x1, x2], name='Model/add/add1')
outputs = keras.layers.add([outputs, x3], name='Model/add/add2')
outputs = keras.layers.add([outputs, x4], name='Model/add/add3')
TensorBoard 创建了一个更好的图表(在第二个屏幕截图中,详细显示了模型以及其中一个内部块)。
模型的两种表示之间的区别在于,在第二种表示中,我们可以命名加法运算并将它们分组。
我找不到任何方法来命名这些操作,除非使用keras.layers.add()
. 在这个模型中,问题看起来并不那么严重,因为模型很简单,而且很容易用+
替换keras.layers.add()
。然而,在更复杂的模型中,它可能会成为一种真正的痛苦。例如,t[:, start:end]
应将诸如之类的操作转换为对tf.strided_slice()
. 所以我的模型表示非常混乱,有很多神秘的聚集、跨步和连接操作。
我想知道是否有一种方法可以包装/分组此类操作以在 TensorBoard 中提供更好的图形。