浅入浅出TensorFlow 5 - 可视化工具TensorBoard

本文介绍了TensorFlow的可视化工具TensorBoard,包括其主要功能如Event、Image、Graphs、Audio和Histogram的可视化。文章详细阐述了TensorBoard的生成过程,强调了Summary的关键作用,并提供了代码示例展示如何在训练MNIST数据集时使用TensorBoard。最后,给出了查看TensorBoard可视化结果的方法。
摘要由CSDN通过智能技术生成

一. TensorBoard 介绍

       TensorFlow 可视化可以借助 Python 的 matplotlib 进行,也可以使用 TensorFlow 自带的 TensorBoard,推荐大家使用 TensorBoard 进行可视化,这样可以不依赖于TensorFLow 的 Python 接口。

       可视化内容包括:

Event:训练过程中的统计数据,主要包括 Loss、Accuracy等

Image:记录的图像数据

Graphs:网络结构图

Audio:记录的音频数据

Histogram:直方图描述的统计结果


二. 生成过程

       理解 TensorBoard 使用最关键的一点就是 Summary,Summary对应流程也就是我们的使用流程:

a)调用 TensorFlow API中的summary接口

    tf.scalar_summary(tags, values, collections=None, name=None)              # 标量数据
    tf.histogram_summary(tag, values, collections=None, name=None)            # 直方图数据
    tf.image_summary(tag, tensor, max_images=3, collections=None, name=None)  # 图像数据
    上面 summay 得到的输出为包含对应数据的 ProtoBuf,通常的做法是先将这些数据合并,然后再写入。

b)将Summary信息汇总

       将上面函数输出的 protobuf 数据进行合并,提供两种接口(通常我们用第二个就可以了):

    merged_summary_op = tf.merge_summary(inputs, collections=None, name=None)
    merged_summary_op = tf.merge_all_summaries(key='summaries')
c)指定写入路径

       关键类:tf.train.SummaryWriter,在该目录下,生成对应event文件

    train_writer = tf.train.SummaryWriter(summary
  • 2
    点赞
  • 5
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值