tf.summary.scalar
tf.summary.histogram
tf.summary.merge_all
tf.summary.FileWriter
1. tf.summary.scalar
当你想知道 learning rate 如何变化时,目标函数如何变化时,就可以通过向节点附加 tf.summary.scalar 操作来分别输出学习速度和期望误差,可以给每个 scalary_summary 分配一个有意义的标签为 ‘learning rate’ 和 ‘loss function’,执行后就可以看到可视化的图表。
- tf.summary.histogram
当你想看 activations, gradients 或者 weights 的分布时,可以用 tf.summary.histogram 。
如下图,显示了每一步的分布,越靠前面就是越新的步数的结果。
- tf.summary.merge_all
在 TensorFlow 中,所有的操作只有当你执行,或者一个操作依赖于它的输出时才会运行。为了生成 summaries,我们需要运行所有 summary nodes,所以就用 tf.summary.merge_all 来将它们合并为一个操作,这样就可以产生所有的 summary data。
- tf.summary.FileWriter
最后,为了将 summary data 写入磁盘,需要将 Summary protobuf 对象传递给 tf.summary.FileWriter。在这个造函数中包含了参数 logdir,这个 logdir 很重要,所有事件都会写到它所指的目录下。
作者:不会停的蜗牛
链接:https://www.jianshu.com/p/bce3e572bf47
來源:简书
著作权归作者所有。商业转载请联系作者获得授权,非商业转载请注明出处。