tensorBoard 可视化工具
来源:互联网 发布:河北网络电视客户端 编辑:程序博客网 时间:2024/06/06 18:00
tensorBoard 可视化工具
数据序列化
Tensorflow通过读取Tensorflow的时间文件来运行.
1.创建你想汇总数据的 TensorFlow 图,然后再选择你想在哪个节点进行汇总(summary)操作。通过向节点附加scalar_summary操作来分别输出学习速度和期望误差tf.scalar_summary(tags, values, collections=None, name=None)tf.image_summary(tag, tensor, max_images=3, collections=None, name=None)tf.audio_summary(tag, tensor, sample_rate, max_outputs=3, collections=None, name=None)tf.histogram_summary(tag, values, collections=None, name=None)
tags 标签 可以给每个scalary_summary 分配一个有意义的 标签 ,比如 ‘learning rate’ 和 ‘loss function’
value/tensor :相对应的需要汇总的张量(一定shape的张量)
collection
2.使用tf.merge_all_summaries来将所有可视化操作节点合并为一个操作。
tf.merge_summary(inputs, collections=None, name=None) tf.merge_all_summaries(key='summaries')
key:用于收集汇总数据 Defaults to GraphKeys.SUMMARIES.
3.执行合并命令,它会依据特点步骤将所有数据生成一个序列化的 Summary protobuf对象。最后,为了将汇总数据写入磁盘,需要将汇总的protobuf对象传递给tf.train.Summarywriter。
SummaryWriter 的构造函数中包含了参数 logdir。这个 logdir 非常重要,所有事件都会写到它所指的目录下。此外, SummaryWriter 中还包含了一个可选择的参数 GraphDef 。如果输入了该参数,那么 TensorBoard
也会显示你的图像。
#定义合并节点 merged_summary_op = tf. merge_all_summaries() summary_writer = tf. train. SummaryWriter('/tmp/mnist_logs' , sess. graph) total_step = 0 while training: total_step += 1 session. run(training_op) #100步汇总一次 if total_step % 100 == 0: summary_str = session. run(merged_summary_op) summary_writer. add_summary(summary_str, total_step)
* 启动TensorBoard
python tensorflow/tensorboard/tensorboard.py --logdir=path/to/log-directory #logdir指向SummaryWriter序列化数据的存储路径
一旦 TensorBoard 开始运行,你可以通过在浏览器中输入 localhost:6006 来查看 TensorBoard。
如果你已经通过pip安装了 TensorBoard,你可以通过执行更为简单地命令来访问 TensorBoard
tensorboard –logdir=/path/to/log-directory
为了显示自己的图表,需将 TensorBoard 指向此工作的日志目录并运行,
名称域
为变量名划定范围.并且可视化把该信息用于在图表中的节点上定义一个层级。with tf. name_scope('hidden' ) as scope: a = tf. constant(5, name='alpha' ) W = tf. Variable(tf. random_uniform([1, 2] , -1.0, 1.0) , name='weights' ) b = tf. Variable(tf. zeros([1] ) , name='biases' ) 结果是得到了下面三个操作名: • hidden/alpha • hidden/weights • hidden/biases
TensorFlow 图表有两种连接关系:数据依赖和控制依赖。数据依赖显示两个操作之间的tensor流程,用实心箭头指示,而控制依赖用点线表示。
- tensorBoard 可视化工具
- Tensorboard 可视化工具
- Tensorflow可视化工具Tensorboard使用方法
- TensorFlow可视化工具-TensorBoard上手
- Tensorflow - Tutorial (6) : TensorBoard 可视化工具
- 从0开始--可视化调试工具tensorboard
- 从零开始使用TensorFlow可视化工具Tensorboard
- tensorboard可视化
- tensorflow从0开始(2)--可视化调试工具tensorboard
- 06:Tensorflow的可视化工具Tensorboard的初步使用
- TensorFlow自带的一个强大的可视化工具tensorboard
- tensorflow 1.2.0 中使用可视化tensorboard工具
- 深入浅出的TensorFlow可视化工具TensorBoard用法教程(一)
- 深入浅出的TensorFlow可视化工具TensorBoard用法教程(二)
- fedora 26中安装tensorboard-1.3.0,以及可视化工具tensorboard的使用
- Tensorflow 可视化 TensorBoard 尝试~
- TensorBoard--TensorFlow可视化
- tensorflow可视化--tensorboard
- java selenium (六) XPath 定位
- Apache Thrift 配置环境
- linux 中copy软链接
- Hive 查看函数(udf)定义及示例
- 为何手机gps定位需要流量,而车载不需要?
- tensorBoard 可视化工具
- OpenGL学习笔记4:纹理
- 双击文本文件终端执行内容(Mac)
- 广东工业大学校园网
- CentOS下添加普通用户到sudo组,免密码登录
- svn 解决冲突
- 在移除 Word 文档样式的同时保留格式
- Git 的origin和master分析
- mybatis事务传播行为