tf.summary.histogram
# tf.summary.histogram
# 用来显示直方图信息,一般用来显示训练过程中变量的分布情况
tf.summary.histogram(
name, # 一个节点的名字
values, # 要可视化的数据,可以是任意形状和大小的数据。用于构建直方图的值
collections=None, # 图表集合键的可选列表。新摘要op将添加到这些集合中。默认为[GraphKeys.SUMMARIES]。
family=None)
tf.summary.image
# tf.summary.image
# 定义将当前图片信息作为写入日志的操作,输出Summary带有图像的协议缓冲区。
tf.summary.image(
name, #生成的节点的名称。也将作为TensorBoard中的系列名称。
tensor, #要可视化的图像数据,一个四维的张量,元素类型为uint8或者float32,
#维度为[batch_size, height, width, channels],其中channels为1,3或4。
max_outputs=3, # 输出的通道数量,要为其生成图像的最大批处理元素数。
collections=None, # ops.GraphKeys的可选列表。要添加摘要的集合。默认为[_ops.GraphKeys.SUMMARIES]
family=None) # family: 可选的; 如果提供,则用作摘要标记名称的前缀,该名称控制用于在Tensorboard上显示的选项卡名称。
tf.summary.scalar
# tf.summary.scalar
# 输出Summary包含单个标量值的协议缓冲区。
# 一般在画loss曲线和accuary曲线时会用到这个函数。
tf.summary.scalar(
name, # 生成的节点的名称,例如weight,biases
tensor, # 要可视化的数据、张量
collections=None,
family=None)