Tensorboard是TensorFlow的可视化工具,它的功能主要是通过TensorFlow程序运行中输出的日志文件,转化为我们用户可以看见的运行状态。TensorFlow和Tensorboard是跑在不同的进程中的,Tensorboard会自动读取最新的TensorFlow日志文件,并呈现当先的TensorFlow程序的运行状态。
import tensorflow as tf
# 定义一个简单的计算图,实现向量加法的操作。
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')
# 生成一个写日志的writer,并将当前的TensorFlow计算图写入日志。TensorFlow提供了很多种写日志文件的API
writer = tf.summary.FileWriter('/path/to/log',tf.get_default_graph())
writer.close()
注:
笔者的系统为win10,因为之前查的很多文章都是在Linux或Mac下跑的,所以试了很多次也没有成功。在这里,我将介绍我在win10下如何打开Tensorboard,查看我们的TensorFlow的进程。
最后两行就是写日志的代码。我们可以将该代码加入到以后自己的训练模型中去。
步骤:
1,在win10环境下,使用“运行”操作,输入cmd进入windows终端(我是这么理解的)。
2,在该界面下,切换到你的.py文件的目录下。
3,使用python命令在cmd界面下运行程序。(如:python 123456.py)
4,等程序执行完之后,继续在cmd界面输入: tensorboard --logdir=/path/to/log(此处对应的是你写入日志的路径)
5,等待cmd界面显示出一段网址,复制它(一般是以端口6006结尾,不过可修改,这里不做赘述)
6,请不要使用360浏览器打开(会乱码 ),笔者使用的是Google浏览器。将网址粘贴并访问。即可看到我们的进程啦。
效果如下图: