文章基本参考于http://blog.csdn.net/yan_joy/article/details/60872685
对于标量
tf.summary.scalar() 例如损失loss
loss = tf.reduce_mean(tf.reduce_sum(tf.square(ys-prediction),reduction_indices=[1]))
tf.summary.scalar('loss',loss)
对于参数variable
tf.summary.histogram() 例如全链接的权重
tf.summary.histogram("/weights",Weights)
merge并运行
就像变量需要初始化一样,summary需要merge
merged = tf.summary_all()
之后定义一个输出器记录下运行中的数据:
writer = tf.summary.FileWriter("output/", sess.garph)
最后记得带训练过程中执行这两个模块。
for i in range(1000):
sess.run(train_step,feed_dict={xs:x_data,ys:y_data})
if i%50==0:# 50次记录一次
result = sess.run(merged,feed_dict={xs:x_data,ys:y_data})
writer.add_summary(result,i)