[TensorFlow]使用Tensorboard实现神经网络可视化

最新推荐文章于 2023-12-11 18:06:22 发布

原创

最新推荐文章于 2023-12-11 18:06:22 发布 · 1.4w 阅读

36 ·

CC 4.0 BY-SA版权

文章标签：

#tensorflow #tensor #神经网络 #可视化工具 #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。