tensorboard summary使用

本文介绍如何在TensorFlow中使用summary模块记录训练过程中的关键指标,如loss,并将其可视化。通过定义scalar变量和使用File_Writer,可以将训练过程中每个epoch的loss变化保存下来,便于后续分析和优化。
部署运行你感兴趣的模型镜像

假设想要输出loss随epoch的变化图:

1、构建图过程中声明scalar变量

在图中定义loss节点后,加一个

loss_summary = tf.summry.scalar('loss',loss)


当有多个要输出时,可以用

merged_summary_op = tf.merge_all_summaries()

汇总到一个节点,执行时执行这个节点,add这个节点就行

2、构建完整个图后加File_Writer

构建完图,在执行前,声明

file_writer = tf.summary.FileWriter(logdir,tf.get_default_graph())

比如在全局变量init语句之后

3 、执行过程中

喂入数据后run上面的loss_summary节点
然后:

file_writer.add_summary(loss_summary_str,epoch)

4、查看

您可能感兴趣的与本文相关的镜像

GPT-oss:20b

GPT-oss:20b

图文对话
Gpt-oss

GPT OSS 是OpenAI 推出的重量级开放模型,面向强推理、智能体任务以及多样化开发场景

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值