Tensorboard可视化

主要用到tf.summary函数。
比如对计算结果进行可视化。

z = tf.multiply(X,W)+b
tf.summary.histogram('z',z)

对loss进行可视化：

cost = tf.reduce_mean(tf.square(Y - z))
tf.summary.scalar('loss_function',cost)

然后在session中写入日志：

init = tf.global_variables_initializer()
with tf.Session() as sess:
    sess.run(init)
    merged_summary_op = tf.summary.merge_all()   # 合并所有summary
    # 创建summary_writer用于写入文件
    summary_writer = tf.summary.FileWriter('log/summaries',sess.graph)
     for epoch in range(training_epochs):
        for (x,y) in zip(train_x,train_y):
            sess.run(optimizer,feed_dict={X:x,Y:y})
            # 生成summary
            summary_str = sess.run(merged_summary_op,feed_dict={X:x,Y:y})
            summary_writer.add_summary(summary_str,epoch)

最后在命令行中执行：

tensorboard --logdir 绝对路径\summaries

如果不能自动打开，就把地址输入到chrome浏览器中。

总结：
最主要的几句话：

tf.summary.histogram('z',z)
tf.summary.scalar('loss_function',cost)

# 一定要在session下
merged_summary_op = tf.summary.merge_all()   # 合并所有summary
summary_writer = tf.summary.FileWriter('log/summaries',sess.graph)  # 创建summary_writer用于写入文件

# 可选几个epoch保存一次
summary_str = sess.run(merged_summary_op,feed_dict={X:x,Y:y})
summary_writer.add_summary(summary_str,epoch)