TensorBoard 简介及使用流程

添加记录节点 -> 汇总记录节点 -> run汇总节点 -> [书写器生成]书写入文件 [-> 刷新缓冲区]

一、TensorBoard 简介及使用流程

1、TensoBoard 简介

TensorBoard 和 TensorFLow 程序跑在不同的进程中，TensorBoard 会自动读取最新的 TensorFlow 日志文件，并呈现当前 TensorFLow 程序运行的最新状态。

2、TensorBoard 使用流程

• 添加记录节点：tf.summary.scalar/image/histogram()等
• 汇总记录节点：merged = tf.summary.merge_all()
• 运行汇总节点：summary = sess.run(merged)，得到汇总结果
• 日志书写器实例化：summary_writer = tf.summary.FileWriter(logdir, graph=sess.graph)，实例化的同时传入 graph 将当前计算图写入日志
• 调用日志书写器实例对象summary_writer的add_summary(summary, global_step=i)方法将所有汇总日志写入文件
• 调用日志书写器实例对象summary_writer的close()方法写入内存，否则它每隔120s写入一次

with tf.name_scope('str'):上下文环境，每一个name_scope内的张量被统一到一个可展开的节点中，且可以嵌套，而带'name'属性的张量会成为可视化图中最小的节点。

超参数是张量，使用tf.summary.histogram(layer_name + '/biases', biases)记录，在网页的HISTOGRAM中查询

loss值是scalar标量，使用tf.summary.scalar('loss',loss)记录，在网页的SCALAR中查询

和Variable一样，记录值需要：

(1) merge = tf.summary.merge_all()统计整合

(2) sess.run(merge,feed_dict={xs:x_data,ys:y_data})去run出值来

(3) writer = tf.summary.FileWriter('./logs',sess.graph)：启动可视化进程，指定日志文件存放位置。

(4) 记录值还需要writer.add_summary(result,i)去添加到书写器中输出到文件