tensorboard网络运行

最新推荐文章于 2024-08-18 00:50:18 发布

yyh吲哚乙酸

最新推荐文章于 2024-08-18 00:50:18 发布

阅读量265

点赞数

CC 4.0 BY-SA版权

分类专栏： python python之tensorflow学习

本文链接：https://blog.youkuaiyun.com/qq_41447003/article/details/89815287

这篇博客介绍了如何利用TensorFlow的summary API来监控训练过程中的关键指标，包括tf.summary.scalar用于显示标量信息，tf.summary.histogram用于查看变量分布，以及tf.summary.FileWriter用于保存和展示数据。通过TensorBoard，可以直观地看到模型的损失、准确率等信息，以及权重和偏置的分布情况。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

1.参数概要

函数说明：用来画图，最后在tensorboard中显示，有四个变量，均值，标准差，最大值，最小值

主要是观察权值和偏置，因为是这两个数值较多，所以进行统计处理，而

#参数概要
def variable_summaries(var):
    with tf.name_scope('summaries'):
        mean = tf.reduce_mean(var)
        tf.summary.scalar('mean', mean)#平均值
        with tf.name_scope('stddev'):
            stddev = tf.sqrt(tf.reduce_mean(tf.square(var - mean)))
        tf.summary.scalar('stddev', stddev)#标准差
        tf.summary.scalar('max', tf.reduce_max(var))#最大值
        tf.summary.scalar('min', tf.reduce_min(var))#最小值
        tf.summary.histogram('histogram', var)#直方图