tensorboard是可视化tensorflow模型的训练过程的工具,在安装tensorflow的同时就已经安装好了tensorboard。
with tf.name_scope(‘名字’):设置相应的w,b,loss的名字作用域
(1)对要统计的变量使用summary操作:tf.summary.scalar(‘名字’,变量名)
可视化训练过程中随着迭代次数的增加,准确率(accuracy)、损失值(train/test loss)、学习率(learning rate)、每一层的权重和偏置的统计量(mean、std、max/min)等的变化曲线
(2)merge_all:在训练的时候可能加了多个summary操作,需要使用merge_all = tf.summary.merge_all()将这些summary操作合成一个操作,由它来产生所有的summary数据
(3)writer:sess会话中定义一个writer
train_writer = tf.summary.FileWriter(‘日志文件名’,sess.graph),指定一个目录告诉程序把产生的文件放到哪
(4)执行过程中获得想要的变量值,并把变量值写入日志文件中
merged = sess.run(merge_all, feed_dict={x: batch_xs, y_: batch_ys})
train_writer.add_summary(merged, i) #使用 add_summary() 来将某一步的 summary 数据记录到文件中
train_writer.close()
(5)启动tensorboard
run.py文件后,如果使用pycharm编辑器,在.py文件右键单击Open in Terminal(也可以在cmd命令行中cd到日志文件的上一级目录中)
输入tensorboard --logdir=logs/ --port=8080 (防止6006端口被占用,无法打开,指定端口 8080)
chrome浏览器栏输入http://localhost:8080
注意:如果你想要开启另外一个新的计算图,一定要把原来的cmd命令行窗口关闭,再重复上述步骤,不然打开的将依然是上一个计算图。