Tensorflow（四）Tensorboard简介

TensorBoard 简介

官网上给的定义是：The computations you'll use tensorflow for （like training a massive deep neural network ) can be complex and confusing . To make it easier to understand, debug, and optimize tensorflow programs,we're included a suite of visualization tools called tensorboard.

也就是说，使用tensorflow这个框架搭建的深度神经网络会很复杂，出错了也很难调试，为了便于用户理解你所训练的网络，也便于调试程序，他们推出了tensorboard这个工具。

那么它到底能干什么呢？You can use tensorboard to visualize your tensorflow graph, plot quantitative metrics about the execution of your graph, and show additional data like images that pass through it.

它可以可视化你的图结构，显示类似准确图，代价值等等指标值，显示参数随着迭代次数的变化，以及它的分布图，显示你训练使用的数据，可以显示很多理解和调试你的网络所需要的东西。要显示什么也是可以在代码中进行控制的，可以这样理解，tensorboard并不是只要你训练了一个网络就会自动生成对应的board，它需要你在代码中加入相应的组件才可以显示到tensorboard中。

tensorboard是依赖tensorflow的，官网说：tensorboard operates by reading tensorflow events files ,which contain summary data that you can generate when running tensorflow . tensorboard的运行通过读取tensorflow的事件文件，文件中包含了所有的tensorflow中生成的总数据。tensorflow在运行的时候会产生很多很多的数据，它也提供了函数去获取这些数据并且保存下来，写到events file中，然后tensorboard读取这些文件，形成可视化的图表展示。

比如说，你要训练一个CNN网络识别MNIST数字，你想要记录学习因子随着迭代次数的改变，你可以对节点执行tf.summary.scalar 操作，然后给每个一summary一个标识名称，也就是 为summary添加一个tag .

当然不止会用到一个summary，如果知道cost的变化，或者参数w和b的变化情况，也可以分别给这些节点添加summary，定义完所有的summary节点后，需要把他们都结合成一个节点 。

use tf.summary.merge_all to combine them into a singel op that generates all the summary data.

 

在运行summary整合后，会得到一个summary protobuf，将这个哥protobuf通过tf.summary.FileWriter 写入硬盘保存下来。（protobuf全称是protocal buffer，是谷歌开发的一种数据交换的格式）

 

if you want you could run the merged summary op every sigle steep ,and record a ton of training data . that 's likely to be more data than you need, a better way is to run the op every n steops

在程序运行的时候，可以选择每迭代一次就执行一次合并过的summary op，然后写入磁盘，这样就会有非常多的数据，超过你正常需要的数据，所以可以选择每几个迭代进行一次op。

 

在cmd中启动tensorboard： tensorboard --logdir = 'path to the log directory