GAN模型的学习（10）———Monitoring

可视化操作

tf.summary.scalar('generator_loss', self.G_loss)
tf.summary.scalar('discriminator_loss', self.D_loss)
tf.summary.scalar('distortion_penalty', distortion_penalty)
if config.use_feature_matching_loss:
    tf.summary.scalar('feature_matching_loss', feature_matching_loss)
tf.summary.scalar('G_global_step', self.G_global_step)
tf.summary.scalar('D_global_step', self.D_global_step)

tf.summary.scalar用来显示标量信息，其格式为：

 tf.summary.scalar(tags, values, collections=None, name=None)

例如：tf.summary.scalar(‘mean’, mean)
一般在画loss,accuary时会用到这个函数。
tf.summary.scalar()和tf.summary.histogram

tf.summary.image('real_images', self.example[:,:,:,:3], max_outputs=4)
tf.summary.image('compressed_images', self.reconstruction[:,:,:,:3], max_outputs=4)
if config.use_conditional_GAN:
    tf.summary.image('semantic_map', self.semantic_map, max_outputs=4)
self.merge_op = tf.summary.merge_all()

tf.summary.image()用来输出Summary的图像。
参数
name：节点的名字，也就是在tensorboard上面会显示的名字。
tensor：格式必须是四维的[batch_size,height, width, channels]，
对于channels：
channels=1为灰度图像
channels=3为RGB图像
channels=4为RGBA图像（Red（红色） Green（绿色） Blue（蓝色）和 Alpha合成，也代表了透明度）
max_outputs=4,要生成图像的最大批处理元素数
collections=None,：要添加摘要的集合。默认为[_ops.GraphKeys.SUMMARIES]
family=None：该名称控制用于在Tensorboard上显示的选项卡名称。

self.merge_op = tf.summary.merge_all()

tf.summary.merge_all 可以将所有summary全部保存到磁盘，以便tensorboard显示

self.train_writer = tf.summary.FileWriter(
   # os.path.join(directories.tensorboard, '{}_train_{}'.format(name, time.strftime('%d-%m_%I:%M'))), graph=tf.get_default_graph())
   os.path.join(directories.tensorboard,'test1111'))
self.test_writer = tf.summary.FileWriter(
   # os.path.join(directories.tensorboard, '{}_test_{}'.format(name, time.strftime('%d-%m_%I:%M'))))
   os.path.join(directories.tensorboard, 'test2222'))

定义一个写入summary的目标文件，dir为写入文件地址