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
- 采用两个文件辅助可视化