tensorflow：tensorboard的图表显示

原文：

https://blog.csdn.net/qq_35608277/article/details/79161788

对于标量

如果我们想对标量在训练中可视化，可以使用tf.summary.scalar()，比如损失loss

loss = tf.reduce_mean(tf.reduce_sum(
tf.square(ys-prediction),reduction_indices=[1])) 
tf.summary.scalar('loss',loss) 

对于参数

应使用tf.summary.histogram()，如全链接的权重：

tf.summary.histogram("/weights",Weights) 

merge并运行

就像变量需要初始化一样，summary也需要merge：

merged = tf.summary.merge_all()

之后定义一个输出器记录下在运行中的数据：

writer = tf.summary.FileWriter("output/",
sess.graph)

最后记得在训练过程中执行这两个模块：

for i in range(1000):
    sess.run(train_step,feed_dict={xs:x_data,ys:y_data})
    if i%50==0:# 50次记录一次
        result = sess.run(merged,
        feed_dict={xs:x_data,ys:y_data})
        writer.add_summary(result,i) 

也就是说，summary独立出来了，以前tf.XXX_summary这样的下划线变成了tf.summary.XXX的格式