TensorFlow学习笔记(8) Tensorboard可视化

Tensorboard简介

Tensorboard是Tensorflow的可视化工具，通过tf程序输出的日志文件来可视化程序的运行状态。下面的代码完成了Tensorboard日志输出的功能。

import tensorflow as tf

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')

#生成一个写日志文件的writer，并将计算图写入日志中
writer = tf.summary.FileWriter('./tensorboard',tf.get_default_graph())
writer.close()

然后在命令行中输入tensorboard --logdir tensorboard即可打开网页（使用中报错，通过这种方法解决）

其中右上角下拉菜单中有其他选项的信息，对应着每一类信息的可视化结果。

TensorFlow计算图可视化

命名空间与Tensorboard图上节点

在Tensorboard的默认视图中，同一个命名空间下的所有节点会被缩略成一个节点，只有顶层命名空间的节点才会被显示。因此可以通过tf.variable_scope或tf.name_scope来定义命名空间进一步简化可视化图。

tf.variable_scope与tf.name_scope的不同之处：
使用tf.Variable会受tf.name_scope的影响，但是tf.get_variable则不会受tf.name_scope的影响

import tensorflow as tf

with tf.variable_scope('input1'):
    input1 = tf.constant([1.0,2.0,3.0],name='input1')
with tf.variable_scope('input2'):
    input2 = tf.Variable(tf.random_uniform([3]),name='input2')
output = tf.add_n([input1,input2],name='add')

#生成一个写日志文件的writer，并将计算图写入日志中
writer = tf.summary.FileWriter('./tensorboard',tf.get_default_graph())
writer.close()

生成的tensorboard可视化图如下图，此时图上就没有显示初始化过程：

下面是之前构建的用于训练mnist的全连接神经网络，增加几个变量的命名空间，然后对其进行tensorboard可视化：

import tensorflow as tf
import os
from tensorflow.examples.tutorials.mnist import input_data
# 定义神经网络结构相关的参数
INPUT_NODE = 784
OUTPUT_NODE = 10
LAYER1_NODE = 500

# 定义函数创建或者加载变量，并生成正则化损失加入损失集合
def get_weight_variable(shape, regularizer):
    weights = tf.get_variable('weights', shape, initializer=tf.truncated_normal_initializer(stddev=0.1))
    if regularizer != None:
        tf.add_to_collection('losses', regularizer(weights))
    return weights

# 定义神经网络的前向传播过程
def inference(input_tensor, regularizer):
    with tf.variable_scope('layer1'):
        weights = get_weight_variable([INPUT_NODE, LAYER1_NODE], regularizer)
        biases = tf.get_variable('biases', [LAYER1_NODE], initializer=tf