（三）tensorflow入门之Tensorboard的基本用法

tensorboard的常用方法

tensorboard:

• 指定要显示的变量
• 训练过程中计算这些变量并输出到文件中
• 文件解析 ./tensorboard --logdir=dir

tensorboard常用方法：

tf.summary.scalar('name',variable_name) # 将数据以键值对的形式存储下来，如<1,2.0>
tf.summary.scalar('name',variable_name) # 将数据以乳香的方式村粗
tf.summary.histogram('histogra,',var) # 生成数据的柱状图
tf.summary.merge_all() # 吧所有的summary都合并起来，便于训练的时候使用，本质是把图的各个节点在训练时的数据保存下来
tf.summary.merge([summary_list]) # 把列表中所有的summary合并起来，便于训练的时候使用
sumary_writer = tf.summary.FileWriter(path) # 生成一个文件写入器
sumary_writer = tf.summary.FileWriter(path,sess.graph) # 生成一个文件写入器，同时把运算图写进文件
summary_writer.add_summary(merged_summary,step) # 把summary和实验步数一起保存下来

通常需要留存的数据

对于测试集和训练集，应保存的数据为loss和accuracy，即损失和精度。

同时，我们还可以保存训练时，训练集中各个层的输入输出的一些信息

• 每次训练输入的原始数据，如图像等
• 各个卷积层的输出的均值（mean）,方差（stddev），最小值（min），最大值（max），以及直方图等。

注意：sumary的方法使用的scope为tf.namescope(‘name’?

运行tensorboard

进入输出数据的文件夹

tensorboard --logdir=train
tensorboard --logdir=train:'train',test:'test'
tensorboard --logdir=train:"train",test:"test" # Windows中用双引号