一、代码
1、summary operation:
- tf.scaler_summary:用来添加一些标量,比如 lr,loss,accuracy ,etc
- tf.image_summary:用来添加一些进入graph的输入图片
- tf.histogram_summary:用来统计激活分布,梯度分布,权重分布
- tf.audio_summary:
2、定义一个op来将所有的summary operation 合并起来
- merged = tf.merge_all_summaries()
3、使用graph初始化一个summary_writer
- train_writer = tf.train.SummaryWriter(FLAGS.summaries_dir + '/train',sess.graph)
4、每隔n_step将summary写入
- summary, acc = sess.run([merged, accuracy], feed_dict=feed_dict(False))
- train_writer.add_summary(summary, i)
二、展示
1、生成一个带可展开符号的一个域,并且支持嵌套操作
with tensorflow .name_scope(layer_name):
2、选择记录的参数
with tf.name_scope(layer_name):
with tf.name_scope('weights'):
3、生成histogram图
tf.histogram_summary(layer_name+"/weights",Weights) #name命名,Weights赋值
4、记录损失
tf.scalar_summary('loss',loss) #命名和赋值
5、整合SummaryWriter
#合并到Summary中
merged = tf.merge_all_summaries()
#选定可视化存储目录
writer = tf.train.SummaryWriter("/目录",sess.graph)
6、存储
tensorboard --logdir="/目录"