学习笔记 | 深度学习开发—TensorFlow实践(TensorBoard可视化工具)

 

1. TensorBoard是TensorFlow的可视化工具
2. 通过TensorFlow程序运行过程中输出的日志文件可视化TensorFlow程序的运行状态。
3. TensorBoard和TensorFlow程序在不同的进程中
4. 案例：
   1. 代码

import  tensorflow as tf#导入tensorflow模型
tf.reset_default_graph()#TensorBoard清楚默认图和不断增加的节点

#通过变量赋值输出1+2+3+……10
value=tf.Variable(0,name="value")
sums=tf.Variable(0,name="sums")
one=tf.constant(1)
new_value=tf.add(value,one)
update_value = tf.assign(value, new_value)
new_sum = tf.add(sums,value)
update_sum = tf.assign(sums,new_sum)
init=tf.global_variables_initializer()

with tf.Session() as sess:
    sess.run(init)
    for _ in range(10):
        sess.run(update_value)
        sess.run(update_sum)
    print(sess.run(sums))
logdir='D:/pycharm project/logs'#TensorBoard文件存放路径

#TensorBoard生成一个写日志的writer，并将当前的tensorflow计算图写入日志
writer=tf.summary.FileWriter(logdir,tf.get_default_graph())
writer.close()

1. 1. 启动TensorBoard

TensorBoard不需要额外安装，在TensorFlow安装是自动完成

在Anaconda Prompt中输入:tensorboard --logdir=/path/

或者在pycharm的terminal中输入：tensorboard --logdir=/path/

然后在浏览器输入：http://localhost:6006