tensorboard 画出cnn

TensorBoard是一个可视化工具，可以用来展示训练过程中的模型结构、损失值、指标等信息。下面是一个使用TensorBoard展示CNN模型的示例：

首先，我们需要导入TensorBoard和相关库：

from tensorflow.keras.models import Sequential
from tensorflow.keras.layers import Conv2D, MaxPooling2D, Flatten, Dense
from tensorflow.keras.callbacks import TensorBoard

然后我们定义一个简单的CNN模型：

model = Sequential()

model.add(Conv2D(32, (3, 3), activation='relu', input_shape=(64, 64, 3)))
model.add(MaxPooling2D(pool_size=(2, 2)))

model.add(Conv2D(64, (3, 3), activation='relu'))
model.add(MaxPooling2D(pool_size=(2, 2)))

model.add(Flatten())

model.add(Dense(256, activation='relu'))
model.add(Dense(1, activation='sigmoid'))

将TensorBoard回调函数添加到模型训练过程中：

tensorboard_callback = TensorBoard(log_dir='./logs', histogram_freq=1)

model.compile(optimizer='adam',
              loss='binary_crossentropy',
              metrics=['accuracy'])

model.fit(x_train, y_train,
          epochs=10,
          callbacks=[tensorboard_callback])

在训练过程中，TensorBoard将会生成日志文件，保存模型结构、损失值、指标等信息。

最后，我们可以启动TensorBoard来可视化训练过程：

tensorboard --logdir=./logs

在浏览器中打开TensorBoard的网址，就可以看到CNN模型的结构图、损失值的变化曲线、指标的变化曲线等信息。