基于Anaconda的tensorboard可视化

简介:

它的作用就是可以把复杂的神经网络训练过程给可视化,可以更好地理解调试 优化程序。

 

共涉及到4个函数:

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。

2.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。

3.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 summarynodes,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。

4.tf.summary.FileWriter

最后,为了将 summary data 写入磁盘,需要将 Summaryprotobuf 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。

 

来自 <http://blog.csdn.net/aliceyangxi1987/article/details/70788202>

 

基于Anaconda可视化tensorboard的步骤:

  1. 打开anaconda prompt
  2. 打开tensorflow环境,运行Spyder IDE ,执行代码
  3. 再打开anaconda prompt
  4. 运行tensorflow环境
  5. 运行tensorboard --logdir=路径<必须是完全路径>
  6. 将终端的网址复制 - 在浏览器中打开
  • 2
    点赞
  • 3
    收藏
    觉得还不错? 一键收藏
  • 1
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 1
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