TensorBoard使用

• 个人微信公众号：
  

• 查看基本的图

  • 只要使用summary中的FileWriter类就可以查到整个推断过程中的流程图
  • 代码如下：

      import tensorflow as tf
  
      input1 = tf.constant([1.0, 2.0, 3.0], name='input1')
      input2 = tf.Variable(tf.random_uniform([3]), name='input2')
  
      output = tf.add_n([input1, input2], name='add')
  
      save_path = '/home/give/PycharmProjects/Learn/Tensorflow/TensorBoard/save_log'
      writer = tf.summary.FileWriter(save_path, tf.get_default_graph())
      writer.close()

  • 效果如下：
    

• 查看运行过程中的参数

  • 比如说我们想知道运行过程中参数的大小分布情况，我们可以可以记录他们平均值、方差的变换，还可以记录它的分布直方图。参考代码如下：

  def variable_summaries(var, name):
      with tf.name_scope('summaries'):
          tf.summary.histogram(name, var)
          mean = tf.reduce_mean(var)
          # 和其他操作一样，scalar和histogram并不会立即执行，需要通过调用sess.run 来明确的调用
          # scale 是记录一个标量
          # histogram 是记录一个分布图
          tf.summary.scalar(
              'mean/' + name,
              mean
          )
          stddev = tf.sqrt(
              tf.reduce_mean(
                  tf.square(var - mean)
              )
          )
          tf.summary.scalar(
              'stddev/' + name,
              stddev
          )

  • 通过上述代码，我们就可以记录运行过程中一些参数的值。比如说我们想记录全连接层的权重的信息，我们就可以如下方式调用：

  with tf.name_scope('weights'):
      weights = tf.Variable(
          tf.truncated_normal(
              [
                  input_dim,
                  output_dim
              ],
              stddev=0.1
          )
      )
      variable_summaries(weights, layer_name + '/weights')

  • 再比如说我们想了解运行过程中准确率的变换情况，我们就可以这么调用：

  with tf.name_scope('accuracy'):
       with tf.name_scope('correction_prediction'):
           correct_prediction = tf.equal(
               tf.argmax(y, 1),
               tf.argmax(y_, 1)
           )
       with tf.name_scope('accuracy'):
           accuracy = tf.reduce_mean(
               tf.cast(correct_prediction, tf.float32)
           )
       tf.summary.scalar('accuracy', accuracy)

  -在这里我们主要使用了如下三个函数：

  • tf.summary.scaler(name, value) : 添加一个标量数据，我们可以在tensorboard主页上的scaler上看到我们存入值的信息，如下所示：
    
  • tf.summary.histogram(name, value): 添加一个数据，我们可以看到数据的分布，这个分布我至今还没有明白是怎么回事，看不太懂。。
    
  • tf.summary.image(name, value): 添加一个图像，我们可以在Image tab上看到我们存入的图像。