如何在 Python 代码中使用 TensorBoard 可视化模型训练

TensorBoard可以通过在代码中使用TensorFlow的'SummaryWriter'类来调用。下面是一个使用TensorBoard的示例代码：

import tensorflow as tf

# 创建一个SummaryWriter对象，指定日志保存的路径
summary_writer = tf.summary.create_file_writer('./logs')

# 定义一个计算图
x = tf.constant(2, name='x')
y = tf.constant(3, name='y')
add_op = tf.add(x, y, name='add')

# 将计算图的结果写入SummaryWriter对象中
with summary_writer.as_default():
    tf.summary.scalar('result', add_op, step=0)

# 启动TensorBoard服务器
tensorboard_callback = tf.keras.callbacks.TensorBoard(log_dir='./logs')

# 训练模型，并将TensorBoard回调传递给fit()方法
model.fit(x_train, y_train, callbacks=[tensorboard_callback])

在上面的示例中，首先创建了一个'SummaryWriter'对象，指定了日志保存的路径。然后定义了一个简单的计算图，并将计算图的结果写入到'SummaryWriter'对象中。最后，使用'TensorBoard'回调将日志路径传递给'fit()'方法，以启动TensorBoard服务器。

在运行代码后，可以通过在终端中运行以下命令来启动TensorBoard服务器：

tensorboard --logdir=./logs

然后，在浏览器中访问'http://localhost:6006'，即可查看TensorBoard的可视化结果。