tensorboard标量数据可视化结果_tensorboard 可视化结果坐标的1m 2m是什么意思-CSDN博客

本文链接：https://blog.csdn.net/Ftwhale/article/details/106550425

本文探讨TensorBoard的细节，特别是标量数据的可视化。通过MNIST数据集的例子，展示了如何在TensorBoard中查看accuracy、cross_entropy等指标的变化，并解释了如何通过summary.scalar函数进行数据汇总。此外，还介绍了界面的交互功能，如缩放图表、切换Y轴对数刻度以及Split on underscores选项的作用，帮助理解模型在训练过程中的表现。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

上一节中，我们讲述了tensorboard的一个整体架构——以MNIST数据集数字分类问题为例，这一节，我们将探寻一下tensorboard的细节，从标量数据可视化的结果说起。

执行完命令后就可以在浏览器中打开 TensorBoard 界面了。打开的 Tensor Board 界面会默认进入 SCALARS 选项卡，我们对可视化内容的介绍也先从标量开始。如图 13-6 所示，在 SCALARS 选项卡中显示了 accuracy、 cross_ entropy、 layer_1和 layer__y 4 个折叠起来的标签，这 4 个标签与我们在程序中使用 summary.scalar（）函数汇总标量数据时最外层的 4 个命名空间相对应，在标签名的最右侧显示了该标签下折叠了多少个独立的图表内容。左边栏的内容可以先不管，以 accuracy标签为例，它只包含了一个图表内容。单击展开该标签，可以看到一个标题名为 accuracy/accuracy_scalar 的折线图，这就是我们汇总正确率的结果。标题中的 accuracy 表示我们在命名空间 accuracy 下计算正确率并运行 summary.scalar（）函数，标题中的 accuracy scalar 是汇总时函数的 name 参数值（当时我们赋值为 accuracy_scalar）。

在这里插入图片描述
accuracy/ accuracy_scalar 折线图按照训练的步数展示了正确率的值，将光标停在折线上时会在紧挨着图表的下方显示一个黑色的提示框，里面有折线图上某一点更精确的数值信息，甚至包括得到数值的时间，如下图。