1. 将数据与summary绑定
在tensorflow中为了能够将数据显示出来,必须先将summary operation与数据关联起来,使得后面能够将这些数据写入 event files。因为tensorboard的可视化就是根据这些eventfiles的内容来可视化的。比较典型的两个summary operation是scalar_summary()和histogram_summary(),这两个分别是作用与标量数据和tensor数据。这两个函数的第一个参数该数据在结果显示时的名称和对应要绑定的数据
2. 通过tf.merge_all_summaries()函数来创建一个节点来收集数据
因为tensorflow的每个node都要通过session的run函数显示的调用了后才会运行,或者有别的被run调用的函数依赖这个节点该节点才会运行。而summary节点都是收集数据,不会有什么节点依赖于它。所以我们要手动通过run函数调用它,而这种节点的数目很多,如果我们通过手工一个个调用很麻烦,所以tensorflow提供了一个merger_all_summaries()的函数用来创建一个节点来收集所有summary数据生成符合protobuf格式的数据,避免我们一次次的调用。
3.通过创建tf.train.SummaryWriter()来将summary写入eventfiles
tf.train.SummaryWriter()的构造函数需要一个logdir用来指定eventfiles的存储位置。然后通过指定的次数通过其的add_summary()方法来将summary写入eventfiles。