tensorboard可视化

启动tensorboard

参数可视化

  • 程序中添加记录并存储日志

    sess = tf.Session()
    writer = tf.summary.FileWriter(LOGDIR + "3")
    writer.add_graph(sess.graph)
    
    	# 1.输出中间数据
    	tf.summary.scalar('name',variable)   # 标量
    	tf.summary.image   # 图片
    	tf.summary.audio    # 声音
    	tf.summary.histogram   # 统计数据
    
    
    	
    	# 2.汇总需要写入日志的记录
    	merged = tf.merge_all_summaries()
    
    	# 3.实例化一个日志书写器
    	summary_writer = tf:summary:FileWriter(logdir; graph =None; flush_secs = 120; max_queue = 10)
    	# 可选同时传入模型graph。或之后用add_graph(graph; global_step = None) 添加
    	
    	# 4.运行汇总结点,得到汇总结果
    	summary = sess:run(merged)
    	
    	# 5.调用书写器实例将汇总日志写入文件
    	summary_writer.add_summary(summary, global_step = i)  # global_step记录的编号(比如哪个epoch)要写入
    	
    	# 6. 缓存写入磁盘文件,关闭文件
    	summary_writer.flush() # 写入
    	summary_writer.close()  # 写入加关闭
    
  • 命令行启动读取日志文件:

    	source activate tfenv
    	tensorboard --logdir=~/PycharmProjects/deeplearning/w6/exercise/tensorboard/3
    
  • chrome浏览器,输入本机地址和tensorboard通讯端口, http://DESKTOP-xxx:6006,输入:http://127.0.0.1:6006 也可以。
    tensorboard可视化_第1张图片

梯度、特征可视化

梯度消失当出现梯度消失或梯度弥散时,梯度图能很好的表现出来。

数据分布可视化

高维数据特征如何可视化?-->映射,embedding,PCA,t-SNE

  • tensorboard:embedding projector
    • 采用两个文件辅助可视化
      • Sprites: 要显示的样本图标文件
      • Meta: 样本序号和类别号对应文件

你可能感兴趣的:(tensorflow)