添加自定义数据到TensorBoard显示

通常情况下，我们在训练网络时添加summary都是通过如下方式：

tf.scalar_summary(tags, values)
# ...
summary_op = tf.summary.merge_all()
summary_writer = tf.summary.FileWriter(logdir, graph=sess.graph)
summary_str = sess.run(summary_op)
summary_writer.add_summary(summary_str, global_step)
   
   
1
2
3
4
5
6

当我们自己想添加其他数据到TensorBoard的时候（例如验证时的loss等），这种方式显得太过繁琐，其实我们可以通过如下方式添加自定义数据到TensorBoard内显示。

summary_writer = tf.summary.FileWriter(logdir)
summary = tf.Summary(value=[
    tf.Summary.Value(tag="summary_tag", simple_value=0), 
    tf.Summary.Value(tag="summary_tag2", simple_value=1),
])
# x代表横轴坐标
summary_writer.add_summary(summary, x)
   
   
1
2
3
4
5
6
7

或者:

summary_writer = tf.summary.FileWriter(logdir)
summary = tf.Summary()
summary.value.add(tag="summary_tag", simple_value=0)
summary.value.add(tag="summary_tag2", simple_value=1)
# x代表横轴坐标
summary_writer.add_summary(summary, x)
   
   
1
2
3
4
5
6

注意，这里的x只能是整数，如果是小数的话会自动转为整数类型。

可以看到, 第一种方式的逻辑是首先向计算图中添加记录节点, 然后运行记录节点, 最后将运行结果写入日志书写器实例对象中, 第二种方式的逻辑是先实例化一个tf.Summary()类, 然后直接将运行结果(python variables)写入日志书写器实例对象. 因此,与第一种方式相比, 第二种方式少了向计算图中添加记录节点和运行记录节点的过程, 即sess.run(summary_op)的过程

下面给出一段完整的示例代码

import tensorflow as tf
summary_writer = tf.summary.FileWriter('/tmp/test')
summary = tf.Summary(value=[
    tf.Summary.Value(tag="summary_tag", simple_value=0), 
    tf.Summary.Value(tag="summary_tag2", simple_value=1),
])
summary_writer.add_summary(summary, 1)

summary = tf.Summary(value=[
    tf.Summary.Value(tag="summary_tag", simple_value=1), 
    tf.Summary.Value(tag="summary_tag2", simple_value=3),
])
summary_writer.add_summary(summary, 2)

summary_writer.close()
   
   
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15

显示效果如下所示：

参考资料:

添加自定义数据到TensorBoard显示

How to manually create a tf.Summary

修改历史:
2017-2-19 适应1.0api

        <link rel="stylesheet" href="https://csdnimg.cn/release/phoenix/template/css/markdown_views-ea0013b516.css">
            </div>