使用tensorboard

---

1. 保存數據

---

定義圖中：

#保存單個數據。例如：損失函數值，準確率 tf.summary.scalar("loss", cross_entropy) #保存多個數據。例如：權重 tf.summary.histogram("W1",W)#把所有的tf.summary.xx融合成一個操作 merged_summary_op = tf.summary.merge_all() #聲明保存的地方和圖 summary_writer = tf.summary.FileWriter('/tmp/mnist_logs', graph_def=sess.graph_def) #為變量名劃定范圍，在范圍內的op在可視化中顯示成可以展開的一整塊。 with tf.name_scope('hidden') as scope:W = tf.Variable(tf.random_uniform([1, 2], -1.0, 1.0), name='weights')b = tf.Variable(tf.zeros([1]), name='biases') #結果是得到了操作名: hidden/weights hidden/biases

運行圖中：

for i in range(1000):total_step += 1batch_xs, batch_ys = mnist.train.next_batch(100)sess.run(train_step, feed_dict={x: batch_xs, y_: batch_ys})if total_step % 100 == 0://運行opsummary_str = sess.run(merged_summary_op,feed_dict={x: batch_xs, y_: batch_ys})//保存summary_writer.add_summary(summary_str, total_step)

---

2. 打開tensorboard

---

• 在cmd輸入：tensorboard --logdir=D://tmp//mnist_logs（保存結果的路徑）
• 復制生成的鏈接，然后在Google瀏覽器中打開（別的瀏覽器可能出錯）。
  

---

3. 同時顯示訓練和測試曲線

---

設置兩個writer，一個用于寫訓練的數據，一個用于寫測試數據

import tensorflow as tf...... tf.summary.scalar("loss", loss) merged_summary_op = tf.summary.merge_all()with tf.Session() as sess:summary_writer1 = tf.summary.FileWriter('../log/view/train', sess.graph)summary_writer2 = tf.summary.FileWriter('../log/view/test')summary_str = sess.run(merged_summary_op, feed_dict={x: train_data, y_: train_label})summary_writer1.add_summary(summary_str, step)# summary_writer1.flush()summary_str = sess.run(merged_summary_op, feed_dict={x: val_data, y_: val_label})summary_writer2.add_summary(summary_str, step)

• 在cmd輸入：tensorboard --logdir=…\log\view

---

總結

以上是生活随笔為你收集整理的TensorFlow 笔记4--使用tensorboard的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。