tensorboard可视化

启动tensorboard

参数可视化

• 程序中添加记录并存储日志

  sess = tf.Session()
  writer = tf.summary.FileWriter(LOGDIR + "3")
  writer.add_graph(sess.graph)
  

  	# 1.输出中间数据
  	tf.summary.scalar('name',variable) 　　# 标量
  	tf.summary.image   # 图片
  	tf.summary.audio    # 声音
  	tf.summary.histogram   # 统计数据
  
  
  	
  	# 2.汇总需要写入日志的记录
  	merged = tf.merge_all_summaries()
  
  	# 3.实例化一个日志书写器
  	summary_writer = tf:summary:FileWriter(logdir; graph =None; flush_secs = 120; max_queue = 10)
  	# 可选同时传入模型graph。或之后用add_graph(graph; global_step = None) 添加
  	
  	# 4.运行汇总结点，得到汇总结果
  	summary = sess:run(merged)
  	
  	# 5.调用书写器实例将汇总日志写入文件
  	summary_writer.add_summary(summary, global_step = i)  # global_step记录的编号（比如哪个epoch）要写入
  	
  	# 6. 缓存写入磁盘文件，关闭文件
  	summary_writer.flush()　# 写入
  	summary_writer.close()  # 写入加关闭
  

• 命令行启动读取日志文件：

  	source activate tfenv
  	tensorboard --logdir=~/PycharmProjects/deeplearning/w6/exercise/tensorboard/3
  

• chrome浏览器，输入本机地址和tensorboard通讯端口， http://DESKTOP-xxx:6006，输入：http://127.0.0.1:6006 也可以。
  

梯度、特征可视化

梯度消失当出现梯度消失或梯度弥散时，梯度图能很好的表现出来。

数据分布可视化

高维数据特征如何可视化？－－>映射，embedding，PCA，t-SNE

• tensorboard：embedding projector
  • 采用两个文件辅助可视化
    • Sprites: 要显示的样本图标文件
    • Meta: 样本序号和类别号对应文件