tf.summary的简单用法

参考链接：

f.summary： https://www.cnblogs.com/lyc-seu/p/8647792.html

tensorboard 可视化：https://blog.csdn.net/Scythe666/article/details/82908319

总结(常用的几个)：

1、tf.summary.scalar(),用于收集标量信息

f.summary.scalar('train_loss', train_loss)
tf.summay.scalar('eval_loss',eval_loss)
tf.summary.scalar('accuracy', accuracy)

标量信息(SCALARS)对应tensoroard如下：

2、 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。

merged_summary_op = tf.summary.merge_all()

3、tf.summary.FileWriter()

将训练过程数据保存在filewriter指定的文件中 tf.summary.FileWritter(path,sess.graph)

summary_writer = tf.summary.FileWriter(log_dir,sess.graph)

 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

４、同时保存验证和训练曲线

只需要创建一个validate_wtiter保存即可

tf.summary.scalar('loss',loss)
tf.summary.scalar('accuracy',loss)
merge_summary = tf.summary.merge_all()
# 写入train的曲线目录
train_writer = tf.summary.FileWriter(train_save_dir,sess.graph)
# 写入validate的曲线目录
validate_writer = tf.summary.FileWriter(validate_save_dir,sess.graph)
......（交叉熵，优化器等）
for step in xrange(training_step):
    # 喂入train_data得到train_summary然后保存
    train_summary = sess.run(merge_summary,feed_dict={...(train_data)})
    train_writer.add_summary(train_summary,step)
    
    # 喂入validate_data得到validate_summary然后保存
    validate_summary = sess.run(merge_summary,feed_dict={...(validate_data)})
    validate_writer.add_summary(validate_summary,step)

这样可以分别在两个文件夹中的到训练的summary和验证的summary，一般我们会在tensorboard中同时显示这两个图：

tensorboard --logdir=train:train_save_dir,validate:validate_save_dir

 其中train_save_dir和validate_save_dir就是保存的目录，最后显示结果如下：