tensorboard summary使用

假设想要输出loss随epoch的变化图:

1、构建图过程中声明scalar变量

在图中定义loss节点后,加一个

loss_summary = tf.summry.scalar('loss',loss)


当有多个要输出时,可以用

merged_summary_op = tf.merge_all_summaries()

汇总到一个节点,执行时执行这个节点,add这个节点就行

2、构建完整个图后加File_Writer

构建完图,在执行前,声明

file_writer = tf.summary.FileWriter(logdir,tf.get_default_graph())

比如在全局变量init语句之后

3 、执行过程中

喂入数据后run上面的loss_summary节点
然后:

file_writer.add_summary(loss_summary_str,epoch)

4、查看

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
TensorBoard是一个用于可视化TensorFlow模型训练过程和结果的工具。它可以记录训练数据、评估数据、网络结构、图像等,并在web上进行展示。首先,你需要安装TensorBoard,你可以使用如下命令进行安装:`pip install tensorboard`。安装完成后,你可以通过以下步骤来使用TensorBoard: 1. 在你的TensorFlow代码中导入TensorBoard模块:`from tensorflow import summary` 2. 创建一个summary writer对象来将各种summary数据写入到TensorBoard事件文件中:`writer = summary.create_file_writer(logdir)` 3. 在你的训练循环中,使用`with writer.as_default()`包裹住你想要记录的代码块。 4. 使用`summary.scalar()`来记录标量数据,例如损失函数的值:`summary.scalar('loss', loss, step=epoch)` 5. 使用`summary.image()`来记录图像数据,例如模型生成的图像样本:`summary.image('generated_images', generated_images, step=epoch)` 6. 使用`summary.histogram()`来记录直方图数据,例如模型参数的分布情况:`summary.histogram('weights', model.weights, step=epoch)` 7. 在训练循环结束后,关闭summary writer对象:`writer.close()` 8. 运行TensorBoard服务器:`tensorboard --logdir=logdir`,其中logdir是你指定的事件文件存储路径。 9. 在浏览器中打开http://localhost:6006(默认端口号为6006)来查看TensorBoard的可视化结果。 这样,你就可以使用TensorBoard来监视和分析你的TensorFlow模型的训练过程和结果了。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值