tensorflow -- tf.summary

tf.summary是用于可视化的时候，能在tensorboard 里面展示出来

tf.summary有诸多函数：

1、tf.summary.scalar   用来显示标量信息

tf.summary.scalar(tags, values, collections=None, name=None)

eg:

tf.summary.scalar('mean', mean)

一般在画loss,accuary时会用到这个函数。

 

2、tf.summary.histogram  用来显示直方图信息

eg:

tf.summary.histogram('histogram', var)

一般用来显示训练过程中变量的分布情况

 

3、tf.summary.distribution

分布图，一般用于显示weights分布

 

4、tf.summary.text

可以将文本类型的数据转换为tensor写入summary中：

eg：

text = """/a/b/c\\_d/f\\_g\\_h\\_2017""" summary_op0 = tf.summary.text('text', tf.convert_to_tensor(text))

 

5、tf.summary.merge_all

merge_all 可以将所有summary全部保存到磁盘，以便tensorboard显示。如果没有特殊要求，一般用这一句就可以显示训练时的各种信息了。

 

6、tf.summary.FileWriter

指定一个文件用来保存图。

格式：tf.summary.FileWritter(path,sess.graph)

可以调用其add_summary（）方法将训练过程数据保存在filewriter指定的文件中

Tensorflow Summary 用法示例:

tf.summary.scalar('accuracy',acc)                   #生成准确率标量图  
merge_summary = tf.summary.merge_all()  
train_writer = tf.summary.FileWriter(dir,sess.graph)#定义一个写入summary的目标文件，dir为写入文件地址  
......(交叉熵、优化器等定义)  
for step in xrange(training_step):                  #训练循环  
    train_summary = sess.run(merge_summary,feed_dict =  {...})#调用sess.run运行图，生成一步的训练过程数据  
    train_writer.add_summary(train_summary,step)#调用train_writer的add_summary方法将训练过程以及训练步数保存