2.2.6 훈련 과정 모니터링
텐서플로로 딥러닝 모델을 만들어 학습해 보면 학습이 진행되는 과정에서 각 파라미터에 어떤 값들이 어떻게 변화하는지 모니터링하기 어렵습니다. 이때 텐서보드를 이용하면 학습에 사용되는 각종 파라미터 값이 어떻게 변화하는지 손쉽게 시각화하여 볼 수 있습니다.
텐서플로 2에서 텐서보드를 사용하는 방법은 간단히 다음과 같습니다. (실습은 뒷장에서 합니다. 여기에서는 간단히 과정만 살펴보세요.)
먼저 다음 코드를 입력합니다.
log_dir = "logs/fit/"
tensorboard_callback = tf.keras.callbacks.TensorBoard(log_dir=log_dir, histogram_freq=1) ------ ①
model.fit(x=x_train,
y=y_train,
epochs=5,
validation_data=(x_test, y_test),
callbacks=[tensorboard_callback]) ------ model.fit() 안에 callbacks를 옵션으로 넣어 줍니다.
① tensorboard_callback의 각 파라미터는 다음과 같습니다.
ⓐ log_dir: 로그가 저장될 디렉터리 위치를 지정합니다.
ⓑ histogram_freq: histogram_freq=1로 설정하면 모든 에포크마다 히스토그램 계산(값에 대한 분포도 확인 용도)을 활성화합니다. 기본값은 0으로, 히스토그램 계산이 비활성화되어 있습니다.