TensorFlow中 tensorboard 工具通过读取在网络训练过程中保存到本地的日志文件实现数据可视化,日志数据保存主要用到 tf.summary 中的方法。
summary.py定义在tensorflow/python/summary/summary.py。提供了像tf.summary.scalar、tf.summary.histogram 等方法,用来把graph图中的相关信息,如结构图、学习率、准确率、Loss等数据转换成 protocol buffer 数据格式,然后再调用 writer.py里的tf.summary.FileWriter 类,调用其add_summary方法把这些数据写入到本地硬盘,之后就可以借用 tensorboard 工具可视化这些数据
一、summary.py的函数
1、tf.summary.scalar
用于保存标量或单个数值,一般用来保存loss,accuary,学习率等数据,比较常用
tf.summary.scalar(name,tensor,collections=None,family=None)
name:要保存的数据的命名。在TensorBoard中也用作系列名称。
tensor:要可视化的数据,张量。在scalar函数中应该是一个标量,如当前的学习率、Loss等
collections:定义保存的数据归于哪个集合。默认为[GraphKeys.SUMMARIES]
family:如果定义,在Tensorboard显示的时候,将作为前缀加在变量名前
2、tf.summary.histogram
输出带直方图的汇总的protocol buffer数据&#x