tensorboard详解

名称域

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。

实现原理

• Event: 展示训练过程中的统计数据（最值，均值等）变化情况
• Image: 展示训练过程中记录的图像
• Audio: 展示训练过程中记录的音频
• Histogram: 展示训练过程中记录的数据的分布图

具体原理：

• 在运行过程中，记录结构化的数据
• 运行一个本地服务器，监听6006端口
• 请求时，分析记录的数据，绘制

在构建graph的过程中，记录你想要追踪的Tensor

with tf.name_scope('output_act'):    hidden = tf.nn.relu6(tf.matmul(reshape, output_weights[0]) + output_biases)    tf.histogram_summary('output_act', hidden)

Graph的最后要写一句这个，给session回调

merged = tf.merge_all_summaries()

Session 中调用

• 构造两个writer，分别在train和valid的时候写数据：

   train_writer = tf.train.SummaryWriter(summary_dir + '/train',                                                  session.graph)    valid_writer = tf.train.SummaryWriter(summary_dir + '/valid')

• 这里的summary_dir存放了运行过程中记录的数据，等下启动服务器要用到
• 构造run_option和run_meta，在每个step运行session时进行设置：

    summary, _, l, predictions =         session.run([merged, optimizer, loss, train_prediction], options=run_options, feed_dict=feed_dict)

• 注意要把merged拿回来，并且设置options
• 在每次训练时，记一次：

  train_writer.add_summary(summary, step)

• 在每次验证时，记一次：

    valid_writer.add_summary(summary, step)

• 达到一定训练次数后，记一次meta做一下标记

    train_writer.add_run_metadata(run_metadata, 'step%03d' % step)

借用各个板块的可视化结果来帮助我们调优模型：

• step 1: 查看 graph 结构
• step 2：查看 accuracy，weights，biases
• step 3: 修改 code
• step 4: 选择最优模型
• step 5: 用 embedding 进一步查看 error 出处

可视化训练过程代码

• tf.histogram_summary()

  用来绘制图片, 第一个参数是图表的名称, 第二个参数是图表要记录的变量

   tf.summary.histogram(layer_name + '/weights', Weights) 

• tf.scalar_summary()

  Loss 的变化图和之前设置的方法略有不同. loss是在tesnorBorad 的event下面的

     tf.summary.scalar('loss', loss) 

• tf.merge_all_summaries()

  方法会对我们所有的 summaries合并到一起.

  sess= tf.Session()merged = tf.summary.merge_all()writer = tf.summary.FileWriter("logs/", sess.graph) sess.run(tf.global_variables_initializer())  

• writer.add_summary

  以上这些仅仅可以记录很绘制出训练的图表， 但是不会记录训练的数据。 为了较为直观显示训练过程中每个参数的变化，我们每隔上50次就记录一次结果 , 同时我们也应注意, merged 也是需要run 才能发挥作用的,所以在for循环中写下：

  for i in range(1000):   sess.run(train_step, feed_dict={xs:x_data, ys:y_data})   if i%50 == 0:      rs = sess.run(merged,feed_dict={xs:x_data,ys:y_data})      writer.add_summary(rs, i)

• tensorboard --logdir logs

  程序运行完毕之后, 会产生logs目录 , 使用命令