🧠 Keras 可视化简介
Keras 作为高级深度学习 API，提供了多种可视化工具帮助理解模型与训练过程：
- 模型结构可视化：使用
plot_model生成网络架构图 - 训练过程可视化：集成 TensorBoard 监控损失/准确率曲线
- 权重可视化：通过
keras.utils.vis_utils分析参数分布
📊 常用可视化工具
| 工具 | 功能 | 示例链接 |
|---|---|---|
| TensorBoard | 实时监控训练指标 | /visualization/tensorboard |
| Keras plot_model | 生成模型拓扑结构图 | |
| PyTorch torchviz | 可视化计算图（需配合使用） |
📝 可视化示例代码
from keras.utils import plot_model
plot_model(model, to_file='model.png', show_shapes=True, show_layer_names=True)
# TensorBoard 使用示例
tensorboard_callback = TensorBoard(log_dir='./logs', histogram_freq=1)
model.fit(X_train, y_train, epochs=10, callbacks=[tensorboard_callback])
📚 扩展阅读
想深入了解如何用 TensorBoard 分析模型训练过程？
👉 点击此处查看 TensorBoard 可视化教程