tensorflow Summary方法详解

1、tf.summary.scalar

用来显示标量信息，其格式为：

tf.summary.scalar(name, tensor, collections=None)

例如：tf.summary.scalar('mean', mean)

一般在画loss,accuary时会用到这个函数。

---

2、tf.summary.histogram

用来显示直方图信息，其格式为：

tf.summary.histogram(tags, values, collections=None, name=None) 

例如： tf.summary.histogram('histogram', var)
一般用来显示训练过程中变量的分布情况

---

3、tf.summary.distribution
分布图，一般用于显示weights分布

---

4、tf.summary.text
可以将文本类型的数据转换为tensor写入summary中：

例如：

text = """/a/b/c\\_d/f\\_g\\_h\\_2017"""
summary_op0 = tf.summary.text('text', tf.convert_to_tensor(text))

---

5、tf.summary.image

输出带图像的probuf，汇总数据的图像的的形式如下： ’ tag /image/0’, ’ tag /image/1’…，如：input/image/0等。

格式：tf.summary.image(name, tensor, max_outputs=3, collections=None)

---

6、tf.summary.audio

展示训练过程中记录的音频

---

7、tf.summary.merge_all

merge_all 可以将所有summary全部保存到磁盘，以便tensorboard显示。如果没有特殊要求，一般用这一句就可一显示训练时的各种信息了。

格式：tf.summaries.merge_all(key='summaries')

---

8、tf.summary.FileWriter

指定一个文件用来保存图。

格式：tf.summary.FileWritter(path,sess.graph)

可以调用其add_summary（）方法将训练过程数据保存在filewriter指定的文件中

Tensorflow Summary 用法示例:

tf.summary.scalar('accuracy',acc)                   #生成准确率标量图  
merge_summary = tf.summary.merge_all()  
train_writer = tf.summary.FileWriter(dir,sess.graph)#定义一个写入summary的目标文件，dir为写入文件地址  
......(交叉熵、优化器等定义)  
for step in xrange(training_step):                  #训练循环  
    train_summary = sess.run(merge_summary,feed_dict =  {...})#调用sess.run运行图，生成一步的训练过程数据  
    train_writer.add_summary(train_summary,step)#调用train_writer的add_summary方法将训练过程以及训练步数保存  

此时开启tensorborad：

tensorboard –logdir=/summary_dir
便能看见accuracy曲线了。

另外，如果我不想保存所有定义的summary信息，也可以用tf.summary.merge方法有选择性地保存信息

---

9、tf.summary.merge

格式：tf.summary.merge(inputs, collections=None, name=None)

一般选择要保存的信息还需要用到tf.get_collection()函数

示例：

tf.summary.scalar('accuracy',acc)                   #生成准确率标量图  
merge_summary = tf.summary.merge([tf.get_collection(tf.GraphKeys.SUMMARIES,'accuracy'),...(其他要显示的信息)])  
train_writer = tf.summary.FileWriter(dir,sess.graph)#定义一个写入summary的目标文件，dir为写入文件地址  
......(交叉熵、优化器等定义)  
for step in xrange(training_step):                  #训练循环  
    train_summary = sess.run(merge_summary,feed_dict =  {...})#调用sess.run运行图，生成一步的训练过程数据  
    train_writer.add_summary(train_summary,step)#调用train_writer的add_summary方法将训练过程以及训练步数保存  

使用tf.get_collection函数筛选图中summary信息中的accuracy信息，这里的

tf.GraphKeys.SUMMARIES 是summary在collection中的标志。

当然，也可以直接：

acc_summary = tf.summary.scalar('accuracy',acc)                   #生成准确率标量图  
merge_summary = tf.summary.merge([acc_summary ,...(其他要显示的信息)])  #这里的[]不可省

---

当然也会有API版本的问题：
1、AttributeError: ‘module’ object has no attribute ‘SummaryWriter’

tf.train.SummaryWriter 改为：tf.summary.FileWriter

2、AttributeError: module ‘tensorflow’ has no attribute ‘merge_all_summaries’

 tf.merge_all_summaries()改为：summary_op = tf.summary.merge_all()

3、AttributeError: ‘module’ object has no attribute ‘histogram_summary’

tf.histogram_summary(var.op.name, var) 改为：  tf.summary.histogram()

4、AttributeError: ‘module’ object has no attribute ‘scalar_summary’

tf.scalar_summary('images', images)改为：tf.summary.scalar('images', images)

---

5、AttributeError: module ‘tensorflow’ has no attribute ‘image_summary’

tf.image_summary('images', images)改为：tf.summary.image('images', images)