了解TensorBoard一些基本常识

参考博客：https://blog.csdn.net/u010099080/article/details/77426577

                  https://cloud.tencent.com/developer/article/1015066   

 TensorBoard 是用于可视化 TensorFlow 模型的训练过程的工具。

1、如何工作：

TensorBoard 是通过一些操作（summary operations）将数据记录到文件（event files）中，然后再读取文件来完成作图的。想要在浏览器上看到 TensorBoard 页面，大概需要这几步：

• summary。在定义计算图的时候，在适当的位置加上一些 summary 操作 
• merge。你很可能加了很多 summary 操作，我们需要使用 tf.summary.merge_all 来将这些 summary 操作聚合成一个操作，由它来产生所有 summary 数据。
• run。在没有运行的时候这些操作是不会执行任何东西的，仅仅是定义了一下而已。在运行（开始训练）的时候，我们需要通过 tf.summary.FileWriter() 指定一个目录来告诉程序把产生的文件放到哪。然后在运行的时候使用 add_summary() 来将某一步的 summary 数据记录到文件中。

当训练完成后，进入存放指定文件的目录下，在命令行中使用tensorboard --logdir='文件所在路径'来启动tensorboard.按照指定浏览器页面打开。

2、目前 TensorBoard 主要包括下面几个面板：

（图从参考博客截取的）

• SCALARS 面板主要用于记录诸如准确率、损失和学习率等单个值的变化趋势。在代码中用 tf.summary.scalar() 来将其记录到文件中
• 如果你的模型输入是图像（的像素值），然后你想看看模型每次的输入图像是什么样的，以保证每次输入的图像没有问题（因为你可能在模型中对图像做了某种变换，而这种变换是很容易出问题的），IMAGES 面板就是干这个的，它可以显示出相应的输入图像，默认显示最新的输入图像
• GRAPHS 面板可以展示出你所构建的网络整体结构，显示数据流的方向和大小，也可以显示训练时每个节点的用时、耗费的内存大小以及参数多少
• DISTRIBUTIONS 主要用来展示网络中各参数随训练步数的增加的变化情况，可以说是 多分位数折线图 的堆叠