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