tensorflow: tensorboard 探究

功能模块

Module Annotation SCALARS 记录单一变量的，使用 tf.summary.scalar() 收集构建。 IMAGES 收集的图片数据，当我们使用的数据为图片时（选用），使用 tf.summary.image() 收集构建。 AUDIO 收集的音频数据，当我们使用数据为音频时（选用）。 GRAPHS 构件图，效果图类似流程图一样，我们可以看到数据的流向，使用tf.name_scope()收集构建。 DISTRIBUTIONS 用于查看变量的分布值，比如 W（Weights）变化的过程中，主要是在 0.5 附近徘徊。 HISTOGRAMS 用于记录变量的历史值（比如 weights 值，平均值等），并使用折线图的方式展现，使用tf.summary.histogram()进行收集构建。

打开方式

法一

  代码运行完成之后，可以用bash脚本一键浏览器访问tensorboard终端：

xdg-open 'http://localhost:6006/#histograms'tensorboard --logdir=.

法二

  代码运行完成之后，命令行中跳转到代码生成的文件夹中，输入

tensorboard --logdir .

  等待程序反应之后，浏览器访问

localhost:6006

  也可以自己定义端口

demo

源码

  打开终端，执行 bash run.sh 即可一键生成 tensorboard log 并自动打开 6006端口

main.py：

log_path = './log'N = 400import shutiltry:    shutil.rmtree(log_path)except OSError:    passimport tensorflow as tfk = tf.placeholder(dtype=tf.float32)moving_mean = tf.random_normal(shape=[1000], mean=(5*k), stddev=1)tf.summary.histogram('normal/moving_mean', moving_mean)shrinking_mean = tf.random_normal(shape=[1000], mean=0, stddev=1-k)tf.summary.histogram('normal/shrinking_mean', shrinking_mean)normal_combined = tf.concat([moving_mean, shrinking_mean], axis=0)tf.summary.histogram('normal/normal_combined', normal_combined)gamma = tf.random_gamma(shape=[1000], alpha=k)tf.summary.histogram('other/gamma', gamma)poisson = tf.random_poisson(lam=k, shape=[1000])tf.summary.histogram('other/poisson', poisson)uniform = tf.random_uniform(shape=[1000], minval=k*10)tf.summary.histogram('other/uniform', uniform)all_combined = tf.concat([moving_mean, shrinking_mean, gamma, poisson, uniform], axis=0)tf.summary.histogram('all_combined', all_combined)summaries = tf.summary.merge_all()sess = tf.Session()writer = tf.summary.FileWriter(log_path)for step in range(N):    val = step/float(N)    merge_op = sess.run(summaries, feed_dict={k:val})    writer.add_summary(summary=merge_op, global_step=step)writer.close()

run.sh：

python main.pyxdg-open 'http://localhost:6006/#histograms'tensorboard --logdir=./

---

---