如何在Keras模型训练时通过TensorBoard查看损失随轮次变化曲线

嗨，你已经做对了大部分工作，只需要调整几个小地方就能看到损失随轮次下降的曲线啦，具体步骤如下：

1. 确保训练有足够的轮次 #

你当前的model.fit()调用没有指定epochs参数，Keras默认只训练1轮，这样自然没有足够的数据生成曲线。修改你的fit代码，添加足够的训练轮次，比如：

model.fit(X_train, y_train, epochs=50, callbacks=[tensorboard])

2. （可选但推荐）添加验证数据，对比训练/验证损失 #

如果想同时观察训练损失和验证损失的变化（这对判断过拟合很有用），可以在fit时传入validation_data参数：

model.fit(X_train, y_train, epochs=50, validation_data=(X_val, y_val), callbacks=[tensorboard])

3. 确认TensorBoard回调的配置 #

你的TensorBoard初始化已经包含了write_graph=True等参数，其实默认情况下Keras的TensorBoard回调就会自动记录训练损失（以及你指定的metrics），所以不需要额外修改回调的参数。

4. 正确启动TensorBoard并查看曲线 #

确保你在终端中指定了正确的日志目录启动TensorBoard：

tensorboard --logdir=logs/

然后在浏览器打开输出的地址（通常是http://localhost:6006），切换到Scalars标签页，就能看到训练损失（loss）以及验证损失（val_loss，如果加了验证数据的话）随训练轮次变化的曲线了。

额外小提示 #

如果想更清晰地追踪损失，也可以在model.compile()时显式指定metrics（虽然回归任务常用MSE作为损失，但也可以添加相同的metrics方便查看）：

model.compile(loss='mse', optimizer='rmsprop', metrics=['mse'])

这样在Scalars页面还能看到mse指标的曲线，和损失曲线是一致的。

内容的提问来源于stack exchange，提问作者Debdeep Basu