TensorBoard启动及使用概要

本文详细介绍如何使用TensorBoard可视化Tensorflow中的计算图、指标变化及数据信息。通过具体实例,展示了如何创建并运行日志文件,以及如何利用TensorBoard读取并展示这些日志,为模型调试和参数调整提供直观的辅助。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

       在复杂的问题中,网络往往都是很复杂的。为了方便调试参数以及调整网络结构,我们需要将计算图可视化出来,以便能够更好的进行下一步的决策。Tensorflow提供了一个TensorBoard工具,可以满足上面的需求。

       TensorBoard是一个可视化工具,能够有效地展示Tensorflow在运行过程中的计算图、各种指标随着时间的变化趋势以及训练中使用到的数据信息。可以查看TensorBoard Github ReadMe 详细阅读适应方法。

       在Ubuntu系统中,使用一个小例子运行TensorBoard:

       先使用Vim编辑器创建一个文件eg_board.py,并输入以下代码,这些代码是对一个线性方程图的简单的创建:

import tensorflow as tf

W = tf.Variable(2.0, dtype = tf.float32, name = "Weight")
b = tf.Variable(1.0, dtype = tf.float32, name = "Bias")
x = tf.placeholder(dtype = tf.float32, name = "Input")
with tf.name_scope("Output"):
    y = W * x + b


path = "./log"

init = tf.global_variables_initializer()

with tf.Session() as sess:
    sess.run(init) 
    writer = tf.summary.FileWriter(path, sess.graph)
    result = sess.run(y, {x: 3.0})
    print("y = %s" % result)

       使用TensorFlow保存图的信息到日志中,用以下命令,这一命令在py文件中加入:

tf.summary.FileWriter("日志保存路劲", sess.graph)

       另外可以使用命名空间name_scope,方便TensorBoard中的展示。

      文件创建好之后,我们使用TensorBoard读取并且展示日志,命令如下:

tensorboard –logdir=日志所在路径 

       TensorFlow安装好之后,TensorBoard会自动安装好,在命令行中输入tensorb..,按下tab会自动补全,则说明TensorBoard组件正常使用。

       在输入上面的读取日志展示日志命令后,命令行会如下输出:

       可以看到在6006端口开设了TensorBoard可视化的入口,这个时候,直接ctrl+单机地址,就可以访问到TensorBoard了。

       在TensorBoard中有很多强大的可视化功能,有一些符号的含义需要知道:

      其他的操作,这里不多介绍,在以后的博客中,有机会会做更详细地介绍。 

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

打赏作者

AlexGeek

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

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