使用tensorboard查看mnist数据集的图片内容

本文介绍了使用tensorboard查看mnist数据集的方法。参考《深入理解TensorFlow架构设计与实现原理》文章的最后，附完整代码。
先展示一下显示效果：

首先读入数据集

mnist = input_data.read_data_sets('data/mnist', one_hot=True)

定义输入的变量

with tf.name_scope('input'):
    x = tf.placeholder(tf.float32, [None, 784], name='x-input')
    y_= tf.placeholder(tf.float32, [None, 10], name='y-input')

汇总图像信息
注意，这里的tf.summary.image传入3个参数，第一参数是它的名字，第二个参数是我们要处理的变量，这里的格式是[batch_size, height, weight, channels] 他们四个的含义分别表示数据的个数、图片的高度、图片的宽度、图片的通道数。其中需要说明的是batch_size和channels，batch_size为-1表示的是图片的个数不定，channels是图片的通道个数，它可以取3个值，分别是1、3、4，1表示的是灰度图片，3表示的是彩色图片（RGB），4表示的是带透明的彩色图片（RGBA），在这里，因为mnist数据集是灰度图片，所以设置为1。

with tf.name_scope('input_reshape'):
    # 将图像x转换为四阶张量
    image_shaped_input = tf.reshape(x, [-1, 28, 28, 1])
    # 添加汇总操作
    tf.summary.image('input', image_shaped_input, 10)

定义输入的数据集函数
这个函数的作用是通过bool值train来控制输入的数据集是训练集还是测试集。

def feed_dict(train):
    if train:
        xs, ys = mnist.train.next_batch(100, fake_data=False)
    else:
        xs, ys = mnist.test.images, mnist.test.labels
    return {x: xs, y_: ys}

聚集汇总操作
这一步的作用就是将代码中的tf.summary中的汇总聚集起来，放在merged变量中，可以一起操作。

merged = tf.summary.merge_all()

定义session并初始化变量
在这里定义的是一个交互式session

sess = tf.InteractiveSession()
tf.global_variables_initializer().run()

定义一个FileWriter

writer = tf.summary.FileWriter('graph', sess.graph)

将汇总信息写入writer
writer只是写入了我们的session中的图信息，而我们的汇总信息的信息还没有写入呢！

# 将汇总数据加入writer
summary = sess.run(merged, feed_dict=feed_dict(False))
writer.add_summary(summary)

执行writer等后续操作

sess.run(writer)
writer.close()
sess.close()

启动tensorboard

tensorboard --logdir=graph

完整代码

import tensorflow as tf 

from tensorflow.examples.tutorials.mnist import input_data

mnist = input_data.read_data_sets('data/mnist', one_hot=True)

with tf.name_scope('input'):
    x = tf.placeholder(tf.float32, [None, 784], name='x-input')
    y_= tf.placeholder(tf.float32, [None, 10], name='y-input')
with tf.name_scope('input_reshape'):
    # 将图像x转换为四阶张量
    image_shaped_input = tf.reshape(x, [-1, 28, 28, 1])
    # 添加汇总操作
    tf.summary.image('input', image_shaped_input, 10)

def feed_dict(train):
    if train:
        xs, ys = mnist.train.next_batch(100, fake_data=False)
    else:
        xs, ys = mnist.test.images, mnist.test.labels
    return {x: xs, y_: ys}

merged = tf.summary.merge_all()

sess = tf.InteractiveSession()
tf.global_variables_initializer().run()

writer = tf.summary.FileWriter('graph', sess.graph)
# 将汇总数据加入writer
summary = sess.run(merged, feed_dict=feed_dict(False))
writer.add_summary(summary)

sess.run(writer)
writer.close()
sess.close()