【Tensorflow】tensorboard log并排显示、同一窗口显示不同loss

  这是两个很简单（超级简单，我都不想写），但是用起来很舒服的技巧；

log并排显示

  首先是信息并排显示，现在的深度学习通常有很多个信息需要同时展示；以loss为例，如果下面这样写，那么屏幕一次能看到的loss有限（当然了，你是竖屏我就没话说了）。

代码

import tensorflow as tf

loss1 = tf.random.normal(shape=[1], name="loss1")  # 随机值模拟loss
loss2 = tf.random.normal(shape=[1], name="loss2")
loss3 = tf.random.normal(shape=[1], name="loss3")

loss1_smr = tf.summary.scalar(loss1.name, tf.reduce_mean(loss1)) # 统计标量
loss2_smr = tf.summary.scalar(loss2.name, tf.reduce_mean(loss2))
loss3_smr = tf.summary.scalar(loss3.name, tf.reduce_mean(loss3))

all_loss_smr = tf.summary.merge_all()       	#合并信息
writer = tf.summary.FileWriter("../logs/")      #logs 写出器

config = tf.ConfigProto()
config.gpu_options.allow_growth = True
with tf.Session(config=config) as sess:
    for ind in range(20):
        writer.add_summary(sess.run(all_loss_smr), ind)

Tensorboard 显示

  这种展示方法由于一般的电脑是横屏，能看到的log信息有限。这时候就想，能不能把同一类信息显示在同一行呢？比如，训练集的loss信息显示在一行，学习率变化显示在一行，然后PSNR等评价系数显示在一行。这时候就想到了Tensorflow里面提倡的名称域，我们只需要一句代码就能搞定。

代码

  还是以loss为例；

import tensorflow as tf

loss1 = tf.random.normal(shape=[1], name="loss1")  # 随机值模拟loss
loss2 = tf.random.normal(shape=[1], name="loss2")
loss3 = tf.random.normal(shape=[1], name="loss3")

with tf.name_scope("loss"):
    loss1_smr = tf.summary.scalar(loss1.name, tf.reduce_mean(loss1))  # 统计标量
    loss2_smr = tf.summary.scalar(loss2.name, tf.reduce_mean(loss2))
    loss3_smr = tf.summary.scalar(loss3.name, tf.reduce_mean(loss3))

all_loss_smr = tf.summary.merge_all()       # 合并信息
writer = tf.summary.FileWriter("../logs/")  # logs 写出

config = tf.ConfigProto()
config.gpu_options.allow_growth = True
with tf.Session(config=config) as sess:
    for ind in range(20):
        writer.add_summary(sess.run(all_loss_smr), ind)

Tensorboard 显示

同一窗口显示多个loss

  有时候，我们需要比较两个loss，比如，我们需要比较训练时训练集loss与验证集的loss，防止过拟合，这是就希望能在同一个窗口显示两个loss的曲线。写法如下面的代码。

import tensorflow as tf
import numpy as np

loss = tf.placeholder(dtype=tf.float32, name="loss")  # 占位符模拟loss

with tf.name_scope("loss"):
    loss_smr = tf.summary.scalar(loss.name, tf.reduce_mean(loss))

train_smr = tf.summary.merge([loss_smr])
valid_smr = tf.summary.merge([loss_smr])
train_writer = tf.summary.FileWriter("../logs/train")  # logs信息写在不同的文件夹
valid_writer = tf.summary.FileWriter("../logs/valid")

config = tf.ConfigProto()
config.gpu_options.allow_growth = True
with tf.Session(config=config) as sess:
    for ind in range(20):
        train_writer.add_summary(sess.run(train_smr, feed_dict={loss: np.random.normal()}), ind)  # 模拟输入训练集jisuanloss
        valid_writer.add_summary(sess.run(valid_smr, feed_dict={loss: np.random.normal()}), ind)  # 模拟输入验证集jisuanloss

  为什么要将log信息放在两个文件夹，因为这两个log信息是同名的，无法同时存放在同一路径。

Tensorboard 显示

  此时，tensorboard显示如下，可以通过左下角的蓝色椭圆中的按钮决定隐藏曲线。