TensorBoard使用
来源:互联网 发布:phpstudy怎么配置域名 编辑:程序博客网 时间:2024/06/04 22:16
Tensorboard使用方法
Tensorboard的使用可大体归结为如下几步:
1) 在构建graph的过程中,记录你想要追踪的Tensor
2) Session会话运行上一步骤中的记录
3) 查看可视化效果
一个用三层神经网络实现回归问题的小例子。
import tensorflow as tfimport numpy as npimport matplotlib.pyplot as pltdef add_layer(inputs, in_size, out_size, n_layer, activation_function = None): # add one more layer and return the output of this layer layer_name = 'layer%s' % n_layer with tf.name_scope('layer'): with tf.name_scope('weights'): Weights = tf.Variable(tf.random_normal([in_size, out_size]), name = 'W') tf.summary.histogram(layer_name + '/weights', Weights) with tf.name_scope('biases'): biases = tf.Variable(tf.zeros([1,out_size]) + 0.1, name = 'b') tf.summary.histogram(layer_name + '/biases', biases) with tf.name_scope('Wx_plus_b'): Wx_plus_b = tf.add(tf.matmul(inputs, Weights), biases, name = 'Wpb') if activation_function is None: outputs = Wx_plus_b else: outputs = activation_function(Wx_plus_b) tf.summary.histogram(layer_name + '/outputs', outputs) return outputs#define placeholder for inputswith tf.name_scope('inputs'): xs = tf.placeholder(tf.float32, [None, 1], name = 'x_input') ys = tf.placeholder(tf.float32, [None, 1], name = 'y_input')# make up some real datax_data = np.linspace(-1.0, 1.0, 300, dtype = np.float32)[:,np.newaxis]noise = np.random.normal(0.0, 0.05, x_data.shape)y_data = np.square(x_data) + 0.5 + noise# add hidden layer and output layerl1 = add_layer(xs, 1, 10, n_layer = 1, activation_function = tf.nn.relu)prediction = add_layer(l1, 10, 1, n_layer = 2, activation_function = None)# the error between prediction and real datawith tf.name_scope('loss'): loss = tf.reduce_mean(tf.reduce_sum(tf.square(ys - prediction), reduction_indices = [1]), name = 'L') tf.summary.scalar('loss', loss)with tf.name_scope('train'): train_step = tf.train.GradientDescentOptimizer(0.1).minimize(loss)init = tf.initialize_all_variables()with tf.Session() as sess: sess.run(init) fig = plt.figure() ax = fig.add_subplot(1,1,1) ax.scatter(x_data, y_data) plt.show(block = False) merged =tf.summary.merge_all() writer = tf.summary.FileWriter('/tmp/tensorlogs/ex5', sess.graph) for i in range(1000): sess.run(train_step, feed_dict = {xs : x_data, ys : y_data}) if i % 50 == 0: # print(i, sess.run(loss, feed_dict = {xs : x_data, ys : y_data})) try: ax.lines.remove(lines[0]) except Exception: pass result, prediction_value = sess.run([merged, prediction], feed_dict = {xs : x_data, ys : y_data}) lines = ax.plot(x_data, prediction_value, 'r-', lw = 5) plt.pause(0.1) writer.add_summary(result, i)
下面具体分解上述的3个步骤
1) 在上述示例中用了tf.summary.histogram()和tf.summary.scalar()记录要追踪的Tensor,前者可汇总和记录标量数据,如41行的loss;后者可汇总和记录变量为直方图,如11行的Weights。此外,tf.summary还可汇总记录图片(images),音频(Audio)等内容。
2) 在Session中运行之前,要将上述所有汇总记录做一个合并,以便统一运行,如52行的merged所示,还要指定运行后存放数据记录的日志文件的位置,如53行的writer所示。接下来,就可以通过运行获取数据记录了,如62行的result所示,这里为了简洁,将result和prediction_value放在了一起运行,也可以拆成两行执行。程序要进行多次训练,如54行的for所示,每隔50次记录下追踪数据,如56行if所示,每次记录通过writer.add_summary()添加到日志文件中。
3) 程序运行结束后,打开终端,输入tensorboard –logdir=’path’,其中的path为指定的日志文件存放路径,如53行’/tmp/tensorlogs/ex5’,运行后会看到下图所示:
在浏览器的地址栏中输入上图中所示的地址http: //DESKTOP- :6006,即可。
关于TensorBoard的函数
Summary:所有需要在TensorBoard上展示的统计结果。
tf.name_scope():为Graph中的Tensor添加层级,TensorBoard会按照代码指定的层级进行展示,初始状态下只绘制最高层级的效果,点击后可展开层级看到下一层的细节。
tf.summary.scalar():添加标量统计结果。
tf.summary.histogram():添加任意shape的Tensor,统计这个Tensor的取值分布。
tf.summary.merge_all():添加一个操作,代表执行所有summary操作,这样可以避免人工执行每一个summary op。
tf.summary.FileWriter:用于将Summary写入磁盘,需要制定存储路径logdir,如果传递了Graph对象,则在Graph Visualization会显示Tensor Shape Information。执行summary op后,将返回结果传递给add_summary()方法即可。
TensorFlow的一些问题
终端输入命令:tensorboard –logdir=’logs/’ ,提示tensorboard:command not found。
其实这个错误的原因不是tensorboard没有安装,因为我用的tensorflow-gpu-1.2.1的版本,也就是说安装tensorflow的同时已经将tensorboard安装了。
解决方法(既然tensorboard命令无效,那么采用最原始的方法):
step 1:查找tensorboard的安装路径
使用pip show tensorflow-gpu 查看tensorflow的安装信息,得到其安装路径。
step2 :使用tensorboard.py 启动tensorboard
使用如下命令:
python /your path/tensorflow/lib/python2.7/site-ckages/tensorflow/tensorboard/tensorboard.py –logdir=/your path/logs/
上面这条命令是网上百度的,他们说tensorboard.py在tensorflow文件夹下的tensorboard文件夹下,而且是tensorboard.py文件,压根找不到这个文件,原来:
- tensorboard文件夹不在tensorflow文件下下面,也就是说tensorboard不是tensorflow的子文件夹,两个文件夹是平级结构,都在site-packages文件夹下
- tensorboard文件下的的文件是main.py不是tensorboard.py
【上面原始的命令跑完一次后,再跑tensorboard –logdir=’logs/’ ,居然跑通了】
- TensorBoard使用
- TensorBoard使用
- TensorBoard使用
- 使用TensorBoard
- TensorBoard使用
- tensorboard的使用
- tensorboard 使用报错
- tensorboard使用1
- Tensorboard简单使用
- Tensorboard的使用
- Tensorflow-2-Tensorboard使用
- tensorboard使用问题
- TensorBoard本地使用
- tensorboard使用记录
- tensorboard的使用
- tensorflow 的tensorboard使用
- 15、Tensorboard 的使用
- tensorboard使用入门
- PHP 进阶之路
- 全新的视频编码标准——AV1
- ImagineCup2018初赛指南
- RecyclerView的点击事件
- Vmware下设置Ubantu的桌面分辨率
- TensorBoard使用
- python初步实现word2vec
- RadioGroup选择改变背景和字体颜色
- 如何优化tomcat配置(从内存、并发、缓存3个方面)优化
- VA番茄助手提示The security key for this program currently stored on your system does not appear to be vali
- 171120之DTO简介
- 使用 php内置Web Server 跑 thinkphp5(适合新手)
- 成一单亏一单,医疗电商的苦涩现状
- angular基本应用