scalar是用来显示accuracy,cross entropy,dropout等标量变化趋势的函数。 通过scalar可以看到这些量随着训练加深的一个逐步变化的过程,进而可以看出我们模型的优劣。
注意:
1)scalar只能用于单个标量的显示,不能显示张量;
2)scalar可以显示多次训练的结果
变量
变量则可使用Tensorflow.histogram_summary()方法:
tf.histogram_summary(layer_name+"/weights",Weights) #name命名,Weights赋值
标量
1.在tensorflow构建图的过程中放入记录变量
在使用tensorflow构建图的过程中,在需要记录变量值的地方放入summary operations。
使用tf.summary.scalar记录标量
使用tf.summary.histogram记录数据的直方图
使用tf.summary.distribution记录数据的分布图
使用tf.summary.image记录图像数据
————————————————
在要显示的标量下添加代码:
tf.summary.scalar('loss', loss) # 记录优化器的变化
注意:使用相同的配置多次训练,然后相同的数据在同一个图上显示的结果,进入该log所在的文件夹,删除历史记录,仅仅保留最新的结果,就会出现一个比较干净的图。
2.合并summary operation
在变量tensorflow变量初始化之前合并采集点变量,并且将它们写到之前定义的log_dir路径。
summaries合并
merged = tf.summary.m