TensorFlow自带的一个强大的可视化工具tensorboard
来源:互联网 发布:头条新闻软件下载 编辑:程序博客网 时间:2024/06/05 07:24
转载请注明作者:梦里风林
Github工程地址:https://github.com/ahangchen/GDLnotes
欢迎star,有问题可以到Issue区讨论
官方教程:
https://www.tensorflow.org/versions/master/how_tos/graph_viz/index.html
TensorFlow自带的一个强大的可视化工具
功能
这是TensorFlow在MNIST实验数据上得到Tensorboard结果
- 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
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
实现
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)
其中,
- histogram_summary用于生成分布图,也可以用scalar_summary记录存数值
- 使用scalar_summary的时候,tag和tensor的shape要一致
- name_scope可以不写,但是当你需要在Graph中体现tensor之间的包含关系时,就要写了,像下面这样:
with tf.name_scope('input_cnn_filter'): with tf.name_scope('input_weight'): input_weights = tf.Variable(tf.truncated_normal( [patch_size, patch_size, num_channels, depth], stddev=0.1), name='input_weight') variable_summaries(input_weights, 'input_cnn_filter/input_weight') with tf.name_scope('input_biases'): input_biases = tf.Variable(tf.zeros([depth]), name='input_biases') variable_summaries(input_weights, 'input_cnn_filter/input_biases')
- 在Graph中会体现为一个input_cnn_filter,可以点开,里面有weight和biases
- 用summary系列函数记录后,Tensorboard会根据graph中的依赖关系在Graph标签中展示对应的图结构
- 官网封装了一个函数,可以调用来记录很多跟某个Tensor相关的数据:
def variable_summaries(var, name): """Attach a lot of summaries to a Tensor.""" with tf.name_scope('summaries'): mean = tf.reduce_mean(var) tf.scalar_summary('mean/' + name, mean) with tf.name_scope('stddev'): stddev = tf.sqrt(tf.reduce_sum(tf.square(var - mean))) tf.scalar_summary('sttdev/' + name, stddev) tf.scalar_summary('max/' + name, tf.reduce_max(var)) tf.scalar_summary('min/' + name, tf.reduce_min(var)) tf.histogram_summary(name, var)
- 只有这样记录国max和min的Tensor才会出现在Event里面
- 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)
查看可视化结果
- 启动TensorBoard服务器:
python安装路径/python TensorFlow安装路径/tensorflow/tensorboard/tensorboard.py --logdir=path/to/log-directory
注意这个python必须是安装了TensorFlow的python,tensorboard.py必须制定路径才能被python找到,logdir必须是前面创建两个writer时使用的路径
比如我的是:
/home/cwh/anaconda2/envs/tensorflow/bin/python /home/cwh/anaconda2/envs/tensorflow/lib/python2.7/site-packages/tensorflow/tensorboard/tensorboard.py --logdir=~/coding/python/GDLnotes/src/convnet/summary
使用python
- 然后在浏览器输入 http://127.0.0.1:6006 就可以访问到tensorboard的结果
强迫症踩坑后记
- 之前我的cnn代码里有valid_prediction,所以画出来的graph有两条分支,不太清晰,所以只留了train一个分支
修改前:
修改后:
- 多用with,进行包裹,这样才好看,正如官网说的,你的summary代码决定了你的图结构
- 不是所有的tensor都有必要记录,但是Variable和placeholder最好都用summary记录一下,也是为了好看
- 由于有了gradient的计算,所以与gradient计算相关的都会被拎出来,下次试一下用其他optimizer
我的CNN TensorBoard代码:cnn_board.py
0 0
- TensorFlow自带的一个强大的可视化工具tensorboard
- Tensorflow可视化----Tensorboard的使用
- 06:Tensorflow的可视化工具Tensorboard的初步使用
- 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)
- Tensorflow 自带可视化Tensorboard使用方法 附项目代码
- Tensorflow可视化工具Tensorboard使用方法
- TensorFlow可视化工具-TensorBoard上手
- tensorflow中可视化tensorboard的启动
- TensorFlow实战15:TensorBoard的使用(tensorflow的可视化工具)
- TensorFlow的可视化工具
- Tensorflow - Tutorial (6) : TensorBoard 可视化工具
- 从零开始使用TensorFlow可视化工具Tensorboard
- 试用Vista自带的截图工具(很好很强大)
- Java VisualVM -- JDK自带的强大性能监测工具
- tensorflow 的tensorboard使用
- Tensorflow 可视化 TensorBoard 尝试~
- TensorBoard--TensorFlow可视化
- Supermarket(并查集(活用))
- MYSQL --Subquery returns more than 1 row查询结果多于一行
- FunPlus面经(2016-11-20更新)
- Spring-12,通过工厂方法和FactoryBean配置bean
- 人工智能讲座小记(对偶学习)<刘铁岩老师来本校作对偶学习相关讲座,小记一笔>
- TensorFlow自带的一个强大的可视化工具tensorboard
- scrapy ------ 爬取豆瓣电影TOP250
- 中国有和亲的传统
- 如何在自定义Listener(监听器)中使用Spring容器管理的bean
- SRM579 Div1Medium TravellingPurchasingMan
- C# File操作类
- CODEVS 1231 最优布线问题
- CSS清除浮动的方法
- JNI