可视化变量,其实主要是观察loss,acc这些指标,所以我们以loss为例
1.将cls_loss加入到summary中
tf.summary.scalar('cls_loss',cls_loss)
2.将所有的summary保存到磁盘,以便tensorboard显示。而且这个summary_op需要和train_op一起训练。
summary_op = tf.summary.merge_all()
3.定义一个存储的writer,log_dir为保存路径,保存的是所有summary中的变量以及graph
from tensorboard.plugins import projector
writer = tf.summary.FileWriter(log_dir,sess.graph)
projector_config = profector.ProfectorConfig()
profector.visualize_embeddings(writer,projector_config)
4.每一步训练都需要把summary_op同train_op一起训练,并把summary保存
writer.add_summary(summary,global_step=step)
5.训练完毕,把writer关闭
writer.close()
6.启动tensorboard
#其中logdir的路径指定到存储logs的文件夹
tensorboard --logdir=D:/项目实现/MTCNN/logs/PNet