tensorboard的基本使用

import tensorflow as tf

tf.summary.scalar("1", 1.0)
tf.summary.scalar("2", 2.0)

"""
上述在使用了若干个tf.summary函数中记录了信息值后，需要对所有需要的记录纸进行全部的合并，需要调用tf.summary.merge_all()
"""

merged_all = tf.summary.merge_all()

writer = tf.summary.FileWriter("logdir/", graph=tf.get_default_graph())  # 若参数graph不支持，则采用sess.graph

"""
在训练和评估中，可以将训练过程的日志和测试评估的日志进行分开，获取两个不同的记录信息
"""

"""上述定义好日志的代码后，需要在sess.run的时候进行获取得到对应的值"""

sess = tf.Session()

summary, global_step = sess.run([merged_all, accuracy, loss])

if global_step % log_step == 0:  # 设定多少步进行记录日志
    writer.add_summary(summary, global_step)  # 这里保留了各个变量日志的同步结果

"""启动tensorboard

下面命令二选一：
1、tensorboard --logdir=path/to/logdir
2、python -m tensorboard.main
"""