TensorBoard.md

Tnesorboard

Tensorboard处理步骤

1. 创建图
2. 在想要可视化的结点处创建summary.*, 比如在使用summary.scalar添加学习率，损失等。使用summary.histogram添加权重与梯度,summary.image添加图像。
3. 将所有的summary汇总 tf.merge_all_summaries
4. 将汇总写入磁盘 tf.train.Summarywriter,--logdir可视化文件存放地址，--GraphDefx显示创建的图

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)
  if total_step % 100 == 0:
    summary_str = session.run(merged_summary_op)
    summary_writer.add_summary(summary_str, total_step)

理论

名称域与节点

tensorflow由于节点太多，所以为了方便可视化需要划定变量名范围，并把这个范围内的节点定义到一个层级

import tensorflow as tf

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')

可视化时，只显示hidden节点。双击后会显示里面隐藏的3各变量

可视化中有两种连接方式：

​ 数据依赖：实心箭头表示

​ 控制依赖：虚线箭头表示

如果两个high-level拥有相同的结构，则他们的颜色相同

还有一个视图展示了不同的操作运行于什么设备之上

启动TensorBoard

tensorboard --logdir=/path/to/log-directory

输入localhost:6006查看