浅入浅出TensorFlow 5 - 可视化工具TensorBoard

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