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
"""