tensorflow学习笔记（六）：tesorboard可视化

---

---

一、Tensorboard简介

TensorBoard 是 TensorFlow 上一个非常酷的功能，我们都知道神经网络很多时候就像是个黑盒子，里面到底是什么样，是什么样的结构，是怎么训练的，可能很难搞清楚，而 TensorBoard 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，调试并优化程序。

我们在建立神经网络模型解决问题时，例如想要用一个简单的 CNN 进行数字识别时，最想知道的就是什么样的模型，即 weights 和 bias 是多少的时候，可以使得 accuracy 达到较优，而这些变量都可以在 Tensorboard 中以一个可视化的方式看到。

二、主要函数

1、tf.namescope()：

用于命名空间，可视化展示中的名字，具体使用参见：tensorflow学习笔记（二）：name_scope, variable_scope。

2、tf.summary.FileWriter（）：
指定一个文件用来保存图。格式：

tf.summary.FileWritter(path,sess.graph)   #路径中没有文件夹时会自己创建文件夹

用于保存文件，用于可视化，其中：
参数’logs/’：创建一个名为logs的文件夹，存放用于可视化的文件；
参数sess.graph：保存图文件，就是用于生成logs中的文件，是一个events.out.tfevents.前缀的文件，用于tensorboard的可视化显示。
使用改函数后，会在“logs”里生成一个文件，用于tensorboard的可视化显示。

3、tf.summary.scalar（）：
用来显示标量信息，其格式为：

tf.summary.scalar(tags, values, collections=None, name=None)

例如：tf.summary.scalar(‘mean’, mean)
一般在画loss,accuary时会用到这个函数。

4、tf.summary.histogram（）：
用来显示直方图信息，其格式为：

tf.summary.histogram(tags, values, collections=None, name=None) 

例如： tf.summary.histogram(‘histogram’, var)
一般用来显示训练过程中变量的分布情况。

5、tf.summary.distribution（）：
分布图，一般用于显示weights分布。

6、tf.summary.text（）：
可以将文本类型的数据转换为tensor写入summary中：
例如：

text = """/a/b/c\\_d/f\\_g\\_h\\_2017""