[TensorFlow]使用Tensorboard实现神经网络可视化

主旨

可视化是深度学习神经网络开发、调试、应用中极为重要的手段。Tensorboard是Tensorflow提供的一个可视化工具，本文通过实际代码实验的方式说明使用TensorBoard实现记录变量，实现可视化调试的目的。

源代码

我的GitHub中TF_Graph项目， singleNerualNode.py

网络结构

为了简化情况，实验中使用单层神经网络，网络结构定义见笔者前一篇文章 [TensorFlow]理解Tensorboard Graph“案例1：单个神经元”

TensorBoard基本调用方法

• 网络结构定义中将所有输出到tf.summary的变量合并到一个Tensor

merged = tf.summary.merge_all()

• 创建Writer

  log_path =  "tf_writer"
  writer = tf.summary.FileWriter(log_path, sess.graph)

• 在训练中计算merged Tensor，并输出到writer

  for iterIdx in range(iterationNumber):
    sess.run(train_step, feed_dict={inputTensor: inputData, labelTensor:labels})
    summary = sess.run(merged, feed_dict={inputTensor: inputData, labelTensor:labels})
    writer.add_summary(summary, iterIdx)
    #flush to disk every 50 iteration
    if iterIdx % 50 == 0:
        writer.flush()
  writer.close()

• 启动TensorBoard，在shell输入如下命令

  tensorboard –logdir tf_writer
  注：’tf_writer’是我的log_path, 实际使用中根据存储Log的位置调整

• 从浏览器中访问
  打开浏览器访问http://192.168.1.100:6006/，其中’192.168.1.100’是运行Tensorboard的计算机IP地址，可以是本机，也可以是网络上的服务器，能访问到就行。

标量（Scalar）的输出

区别于矩阵和向量，标量可以认为只有1个维度的数值量。

在神经网络中&#