[TensorFlow]使用Tensorboard实现神经网络可视化

本文介绍如何使用TensorFlow的可视化工具TensorBoard进行神经网络的可视化。通过实际代码示例,展示了记录变量并实现网络结构、标量、多维张量和Embedding的可视化过程,帮助理解模型行为和训练过程。

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

主旨

可视化是深度学习神经网络开发、调试、应用中极为重要的手段。Tensorboard是Tensorflow提供的一个可视化工具,本文通过实际代码实验的方式说明使用TensorBoard实现记录变量,实现可视化调试的目的。

源代码

我的GitHub中TF_Graph项目, singleNerualNode.py

网络结构

为了简化情况,实验中使用单层神经网络,网络结构定义见笔者前一篇文章 [TensorFlow]理解Tensorboard Graph“案例1:单个神经元”

TensorBoard基本调用方法

  • 网络结构定义中将所有输出到tf.summary的变量合并到一个Tensor
merged = tf.summary.merge_all()
  • 创建Writer
  log_path =  "tf_writer"
  writer = tf.summary.FileWriter(log_path, sess.graph)
  • 在训练中计算merged Tensor,并输出到writer
  for iterIdx in range(iterationNumber):
    sess.run(train_step, feed_dict={inputTensor: inputData, labelTensor:labels})
    summary = sess.run(merged, feed_dict={inputTensor: inputData, labelTensor:labels})
    writer.add_summary(summary, iterIdx)
    #flush to disk every 50 iteration
    if iterIdx % 50 == 0:
        writer.flush()
  writer.close()
  • 启动TensorBoard,在shell输入如下命令

    tensorboard –logdir tf_writer
    注:’tf_writer’是我的log_path, 实际使用中根据存储Log的位置调整

  • 从浏览器中访问
    打开浏览器访问http://192.168.1.100:6006/,其中’192.168.1.100’是运行Tensorboard的计算机IP地址,可以是本机,也可以是网络上的服务器,能访问到就行。

评论 1
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