で、TensorBoardを使ってみたいよね

画像認識させるためにCNN(Convolutional Neural Network)を回してみてる。
で、学習過程などをビジュアライズ化したい。
Sony Neural Network Consoleならいきなりビジュアル化なんだけど、Kerasは簡単じゃなかった。

サンプルにTensorBoard向けの追加コードを書き込む


'''Trains a simple convnet on the MNIST dataset.

Gets to 99.25% test accuracy after 12 epochs
(there is still a lot of margin for parameter tuning).
16 seconds per epoch on a GRID K520 GPU.
'''

from __future__ import print_function
import keras
from keras.datasets import mnist
from keras.models import Sequential
from keras.layers import Dense, Dropout, Flatten
from keras.layers import Conv2D, MaxPooling2D
from keras import backend as K

batch_size = 128
num_classes = 10
epochs = 12

# input image dimensions
img_rows, img_cols = 28, 28

# the data, split between train and test sets
(x_train, y_train), (x_test, y_test) = mnist.load_data()

if K.image_data_format() == 'channels_first':
    x_train = x_train.reshape(x_train.shape[0], 1, img_rows, img_cols)
    x_test = x_test.reshape(x_test.shape[0], 1, img_rows, img_cols)
    input_shape = (1, img_rows, img_cols)
else:
    x_train = x_train.reshape(x_train.shape[0], img_rows, img_cols, 1)
    x_test = x_test.reshape(x_test.shape[0], img_rows, img_cols, 1)
    input_shape = (img_rows, img_cols, 1)

x_train = x_train.astype('float32')
x_test = x_test.astype('float32')
x_train /= 255
x_test /= 255
print('x_train shape:', x_train.shape)
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)


### TensorBoard向け追加コードここから
import keras.callbacks
import keras.backend.tensorflow_backend as KTF
import tensorflow as tf

old_session = KTF.get_session()

session = tf.Session('')
KTF.set_session(session)
KTF.set_learning_phase(1)
### TensorBoard向け追加コードここまで


model = Sequential()
model.add(Conv2D(32, kernel_size=(3, 3),
                 activation='relu',
                 input_shape=input_shape))
model.add(Conv2D(64, (3, 3), activation='relu'))
model.add(MaxPooling2D(pool_size=(2, 2)))
model.add(Dropout(0.25))
model.add(Flatten())
model.add(Dense(128, activation='relu'))
model.add(Dropout(0.5))
model.add(Dense(num_classes, activation='softmax'))

### TensorBoard向け追加コードここから
model.summary()
### TensorBoard向け追加コードここまで

model.compile(loss=keras.losses.categorical_crossentropy,
              optimizer=keras.optimizers.Adadelta(),
              metrics=['accuracy'])

### TensorBoard向け追加コードここから
tb_cb = keras.callbacks.TensorBoard(log_dir="log_dir/", histogram_freq=1)
cbks = [tb_cb]
### TensorBoard向け追加コードここまで

history = model.fit(x_train, y_train,
          batch_size=batch_size,
          epochs=epochs,
          verbose=1,
         ### TensorBoard向け追加コードここから
          callbacks=cbks,
　　　### TensorBoard向け追加コードここまで
          validation_data=(x_test, y_test))
score = model.evaluate(x_test, y_test, verbose=0)
print('Test loss:', score[0])
print('Test accuracy:', score[1])


### TensorBoard向け追加コードここから
KTF.set_session(old_session)
### TensorBoard向け追加コードここまで


意味は分かっていないので今週末にでもじっくり考えてみるつもり。
で、ビジュアライズ化したのがこれら。

ネット情報とは異なっていたのは、
■URLの指定がhttp://コンピュータ名:6006
　ネット情報ではhttp://localhost:6006だった。
■Google Chromeでしか表示されないということだったが、FireFoxでも表示できた。

ログ出力をさせたらやたら遅くなったので、ファイルを見てみたら110MBytes位のサイズがあった。SSD使っていても遅くなるわけだ。

おまけ:
Windows10でMacキーボードを使っているわけだが、PrintScreenはF14キーが対応しているということを今日知った。