TensorBoard的几种可视化类型

TensorBoard的几种可视化类型

1、Scalars(Events)：展示训练过程中的统计数据（最值，均值等）变化情况
2、Images：展示训练过程中记录的图像
3、Audio：展示训练过程中记录的音频
4、Graphs：构件图，效果图类似流程图一样，我们可以看到数据的流向，使用tf.name_scope()收集构建。
5、Distributions：
6、Histograms：展示训练过程中记录的数据的分布图
7、Embeddings：
8、Text：

---

下面根据我的需要挑选几个介绍这几种类型。
一、Scalars(Events)
1、 使用代码：

import tensorflow as tf
#Scalars代码
def test():
    sess = tf.Session()
    x = tf.placeholder(tf.float32, name='a_plc')
    b = tf.Variable([1.0], tf.float32)
    w = tf.Variable([1.0, 2.0], tf.float32)
    y = w*x + b
    #1.记录的变量
    tf.summary.scalar('x', x)
    #2. 合并
    merged = tf.summary.merge_all()
    sess.run(tf.global_variables_initializer())
    train_summary = tf.summary.FileWriter("C:\\tmp\\tensorflow\\mnist\\logs\\test", sess.graph)
    for i in range(100):
        #3.将所有的summary合并到一起
        [summary, yy] = sess.run([merged, y], feed_dict={x: i})
        #4.将每一次run的信息写入到train_summary中
        train_summary.add_summary(summary, i)
        pass
    #5.关闭train_summary
    train_summary.close()
    pass
test()

2、运行结果：
首先，运行上面这段代码；
然后，在命令行中输入：tensorBoard –logdir=C:\tmp\tensorflow\mnist\logs\test。后面是log路径。
最后在chrome浏览器（可换其他浏览器试试）中输入：http://0.0.0.0:6006/。结果如下图所示：

---

二、Graphs
1、使用代码：
修改上面代码即可。

def test():
    sess = tf.Session()

    x = tf.placeholder(tf.float32, name='a_g')
    b = tf.Variable([1.0], tf.float32, name='b_g')
    w = tf.Variable([1.0, 2.0], tf.float32, name='w_g')
    y = w*x + b
    sess.run(tf.global_variables_initializer())
    train_summary = tf.summary.FileWriter("C:\\tmp\\tensorflow\\mnist\\logs\\test", sess.graph)
    for i in range(100):
        sess.run(y, feed_dict={x: i})
        pass
    train_summary.close()
    pass
test()

2、运行结果

当然还有名称域（Name scoping）和节点（Node）。后面需要时将使用。

---

三、Histograms
1、使用代码

def test():
    sess = tf.Session()
    x = tf.placeholder(tf.float32, name='a_g')
    b = tf.Variable([1.0], tf.float32, name='b_g')
    w = tf.Variable([1.0, 2.0], tf.float32, name='w_g')
    tf.summary.histogram('x', x)
    tf.summary.histogram('b', b)
    tf.summary.histogram('w', w)
    y = w*x + b
    tf.summary.scalar('x', x)
    merged = tf.summary.merge_all()
    sess.run(tf.global_variables_initializer())
    train_summary = tf.summary.FileWriter("C:\\tmp\\tensorflow\\mnist\\logs\\test", sess.graph)
    for i in range(100):
        sess.run(y, feed_dict={x: i})
        [summary, yy] = sess.run([merged, y], feed_dict={x: i})
        train_summary.add_summary(summary, i)

        pass
    train_summary.close()
    pass
test()

2、运行结果

---

注：其他的几个可视化模块，在后面用到的时候及时更新。