TensorFlow 之 Summary 的用法

summary是TensorFlow可视化的工具，主要用到以下函数：

1、tf.summary.scalar() 2、 tf.summary.merge_all() 3、tf.summary.FileWriter()

tf.summary.scalar('loss', loss)   ## 用来搜集 loss 的数据，命名为 'loss'

merge_summary = tf.summary.merge_all()  ## 这个函数可以将所有的 summary 全部保存到磁盘

train_writer = tf.summary.FileWriter(train_save_dir, sess.graph) ## 将训练过程数据保存在filewriter指定的文件中 tf.summary.FileWritter(path,sess.graph)

.............................中间处理等（交叉熵，优化器等等参数）...........................

step in range(training_step):

　　train_summary = sess.run(merge_summary, feed_dict={........})  ##调用sess.run运行图，生成一步的训练过程数据  

　　train_writer.add_summary(train_summary, step)  ##调用train_writer的add_summary方法将训练过程以及训练步数保存 

tf.summary用法小结：

1、tf.summary.scalar：用来显示标量信息

例如：tf.summary.scalar('mean', mean)

一般在画loss,accuary时会用到这个函数。

2、tf.summary.histogram：用来显示直方图信息

例如： tf.summary.histogram('histogram', var)

一般用来显示训练过程中变量的分布情况

3、tf.summary.distribution：分布图，一般用于显示weights分布

4、tf.summary.text：可以将文本类型的数据转换为tensor写入summary中

5、tf.summary.image：输出带图像的probuf，汇总数据的图像的的形式如下：

' tag /image/0', ' tag /image/1'...，如：input/image/0等。

格式：tf.summary.image(tag, tensor, max_images=3, collections=None, name=Non

6、tf.summary.audio：展示训练过程中记录的音频 

7、tf.summary.merge_all：merge_all 可以将所有summary全部保存到磁盘，以便tensorboard显示。如果没有特殊要求，一般用这一句就可一显示训练时的各种信息了。

格式：tf.summaries.merge_all(key='summaries')

8、tf.summary.FileWriter：指定一个文件用来保存图。

格式：tf.summary.FileWritter(path,sess.graph)

可以调用其add_summary（）方法将训练过程数据保存在filewriter指定的文件中

 

转载于:https://www.cnblogs.com/Mydream6/p/11334375.html