TensorFlow —— tf.summary总结

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)