Tensorboard:可视化学习
为了方便Tensorflow程序的理解、调试与优化,Tensorflow自带了一个可视化工具-Tensorboard,可以用来展现Tensorflow图像,绘制图像生成的定量指标以及附加数据。
Tensorboard的数据形式
- 标量:Scalars
- 图片:Images
- 音频:Audio
- 计算图:Graph
- 数据分布:Distribution
- 直方图:Histograms
- 嵌入向量:Embeddings
Tensorboard 可视化过程
1、首先建立一个graph,搭建好模型
2、确定要在graph中的哪些节点放置summary operations以记录信息
- 使用tf.summary.scalar记录标量
- 使用tf.summary.histogram记录数据的直方图
- 使用tf.summary.distribution记录数据的分布图
- 使用tf.summary.image记录图像数据 -
3、operations并不会去真的执行计算,除非你告诉他们需要去run,或者它被其他的需要run的operation所依赖。而我们上一步创建的这些summary operations其实并不被其他节点依赖,因此,我们需要特地去运行所有的summary节点。但是呢,一份程序下来可能有超多这样的summary 节点,要手动一个一个去启动自然是及其繁琐的,因此我们可以使用tf.summary.merge_all去将所有summary节点合并成一个节点,只要运行这个节点,就能产生所有我们之前设置的summary data。
4、使用tf.summary.FileWriter将运行后输出的数据都保存到本地磁盘中
5、运行整个程序,并在命令行输入运行tensorboard的指令,之后打开web端可查看可视化的结果
Tensorboard在windows 下运行应注意的地方:
- 切换到tensorboard所在的目录下,不然找不到tensorboard的py文件
- logdir的路径文件夹之间用//分割,绝对位置要写对。(不然会出现显示空白的情况)