DL | 快速使用Tensorboard可视化模型参数和模型结构

题外话：最近因为毕设的关系时间比较紧张，所以没有及时总结。不过这个问题遇到让人很棘手，但紧急解决办法又出乎意料，所以一记。之后如果有补上较为规范的解法，再补充内容。

问题陈述：

使用现有算法的Tensorflow代码，希望看到网络的可视化结构，怎么办？

官方答案：

Tensorboard可视化官方文档

快速方法：

网上找了很多资料都会索引回Tensorflow的官方指南，看了一些大致是要添加一些tag，然后会生成比较完整的图示。是通过Tensorboard这个插件进行实现，通常安装了Tensorflow会自带安装好这个工具。我的情况是Tensorflow在Anaconda下，Tensorboard在和Tensorflow的同级文件夹下。验证一下是否安装，即在终端里输入tensorboard即可。如果没有安装，可以查一下相关教程，这里不再赘述。

网上的教程和现有的博客都是这么说的，在安装了Tensorboard的情况下，我们可以直接通过指令：

tensorboard --log=/path/to/log/directory

将tensorboard指引到我们训练模型的日志文件路径即可，即log文件存的地方。其余内容大多是指导如何更加具体的添加一些tag，可以使得log文件生成的更加完善，让可视化效果更好。

但是，如果时间较紧，并且我们的目的是只想大致查看网络的大体结构和训练参数的走向，可以有更简单的办法。我的做法是，在模型运行的根目录文件夹下打开终端，然后调用tensorboard插件，将其log文件的路径直接设为当前的文件夹。这样的做法是默认模型在训练的过程中设定过log文件的写操作。

进入目标文件夹，输入指令：

tensorboard --log=.

注：如果不在当前文件夹下运行tensorboard，可以将tensorboard的log路径的'.'设为任意路径，只要是模型训练的根目录即可。

运行之后，在浏览器中访问服务器的6006端口即可看到tensorboard的可视化效果。变量的折线图：

网络结构：

因为这个解法比较快速粗暴，所以网络很多细节看不到，只能看见大致的网络结构。不过能看见就说明这一步目前取得阶段性胜利。^_____________^继续写毕设去啦~

P.S. 最近被MoL单曲循环洗脑，非常期待~