Tensorboard可视化的用法之结果可视化

最新推荐文章于 2024-07-16 14:52:31 发布

sdfreregtrh

最新推荐文章于 2024-07-16 14:52:31 发布

阅读量433

点赞数

CC 4.0 BY-SA版权

分类专栏：神经网络文章标签：神经网络

本文链接：https://blog.youkuaiyun.com/weixin_43027596/article/details/94601692

本文介绍了如何使用Tensorboard进行结果可视化，包括参数和损失的变化过程。通过tf.histogram和tf.scalar函数创建图表，通过tf.summary.merge_all整合并记录训练图，最终在会话中运行以更新Tensorboard日志。

下面是结果可视化的过程(参数,折损等变化过程)

这里多了几个函数，tf.histogram（对应tensorboard中的scalar）和tf.scalar函数（对应tensorboard中的distribution和histogram）是制作变化图表的，两者差不多，使用方式可以参考上面代码，一般是第一项工作是字符命名，第二项工作就是要记录的变量了，最后用tf.summary.merge_all对所有训练图进行合并打包，最后必须用sess.run一下打包的图，并添加相应的记录。

import tensorflow as tf
import numpy as np


def add_layer(inputs,in_size,out_size,n_layer,activation_function=None):                         
    layer_name='layer%s'%n_layer
    with tf.name_scope(layer_name):
        with tf.name_scope('weigths'):
            Weights = tf.Variable(tf.random_normal([in_size, out_size]),name='weight')

            tf.summary.histogram(layer_name+'/weights',Weights)                                          #这是关键,指定要看的变量

        with tf.name_scope('biases'):
            biases = tf.Variable(tf.zeros([1, out_size]) + 0.1,name='b')  

            tf.summary.histogram(layer_name + '/biases', biases)                                      #这是关键,指定要看的变量

        with tf.name_sco