@songying
2018-12-10T13:54:03.000000Z
字数 1359
阅读 1144
TensorBoard
TensorFlow
什么是TensorBoard？
可视化工具，可以将训练过程中的各种绘制数据展示出来，包括标量（scalars），图片（images），音频（Audio）,计算图（graph）,数据分布，直方图（histograms）和嵌入式向量。
控制面板
- SCALARS: 展示标量值随时间变化的关系图
- IMAGES： 图像随时间变化的关系图
- AUDIO: 音频数据随时间变化的关系图
- GRAPHS： 显示数据流图
- DISTRIBUTIONS: 显示向量值的数据分布
- HISTOGRAMS： 显示向量值的统计信息
- EMBEDDINGS： 显示降维后的高维数据
tf.summary 模块
该模块的功能是获取和输出模型相关的序列化数据。
| classes | 说明 |
|---|
| functions | 说明 |
|---|---|
| audio(name,tensor, sample_rate,max_outputs=3, collections=None, family=None) | summary ops,针对音频数据 |
| image(name,tensor,max_outputs=3,collections=None,family=None) | summary ops ,针对图片 |
| scalar(name,tensor,collections=None,family=None) | summary ops . 针对标量值 |
| histogram(name,values,collections=None,family=None) | summary ops, 针对统计信息 |
| merge(inputs, collections=None,name=None) | summary ops, |
| merge_all(key=tf.GraphKeys.SUMMARIES,scope=None,) | summary ops |
TensorBoard 使用流程
流程： 先使用summary ops来获取序列化数据；然后通过FileWriter实例将这些数据写入事件文件；最后，启动TensorBoard程序，加载事件文件中的序列化数据，我们就可以在各个面板中看到可视化数据了
- summary ops: 负责获取我们想要的，数据流图上的张量数据。summary ops中存储的三序列化数据(Protocol Buffers), 而在数据流图中存储的是具体的张量值。
- FileWriter: 负责向事件文件中写入序列化数据。
name_scope
按名称域对节点进行分组的方法对于制作清晰的图形至关重要。如果您正在构建模型，则名称域可以让你更好的控制生成的可视化图形。你命名的名字域越好，你的可视化图形就越好。
TensorFlow 图有两种连接方式：数据相关性和控制相关性。数据相关性显示两个操作符之间的张量流，并显示为实线箭头，而控制相关性使用虚线。
启动TensorBoard
tensorboard —logdir=path/to/log-directory或 python -m tensorboard.main
- logdir: 是 FileWriter 序列化数据的目录。如果 logdir 目录包含子目录，并且子目录具有来自单独线程的序列化数据，那么 Tensorboard 将统一展示这些可视化数据
一旦 TensorBoard 运行，你可以通过你的 Web 浏览器 localhost:6006，查看 Tensorboard
