TensorFlow-数据可视化

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)