【Tensorflow】Python编程之tf.summary.scalar()的用法

转载于 2021-09-24 09:04:45 发布 · 703 阅读

1 ·

CC 4.0 BY-SA版权

原文链接：https://blog.csdn.net/tian_jiangnan/article/details/105121217

文章标签：

#tensorflow #python

Tensorflow 专栏收录该内容

1 篇文章

订阅专栏

本文介绍了一种使用TensorFlow实现变量可视化的技术。通过定义变量并使用tf.summary.scalar将其添加到直方图中，随后通过TensorBoard展示这些变量的变化趋势。示例代码展示了如何设置变量、进行迭代赋值并将结果保存到指定目录，最后通过TensorBoard查看结果。

部署运行你感兴趣的模型镜像

这个方法是添加变量到直方图中，但是不配合其他的方法，根本就显示不出来它的意义！

以下代码如下：

import tensorflow as tf
# 定义两个变量
a = tf.placeholder(dtype=tf.float32, shape=[])
b = tf.placeholder(dtype=tf.float32, shape=[])
#添加变量进去
tf.summary.scalar('a', a)
tf.summary.scalar('b', b)
# 将所有summary全部保存到磁盘，以便tensorboard显示
smy = tf.summary.merge_all()
#初始化全局变量
init_op = tf.global_variables_initializer()
with tf.Session() as sess:
    # 初始化变量
    sess.run(init_op)
    #把信息存储在具体的文件夹里面
    writer = tf.summary.FileWriter("tjn", sess.graph)
    for i in range(5):
        #赋值
        sumers=sess.run(smy,feed_dict={a:i+9,b:i+2})
        #把步骤都记录下来
        writer.add_summary(summary=sumers,global_step=i)