tensorflow学习（二）--tensorboard使用

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。