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:
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>