tensorflow使用（五）——tensorboard

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"