运行神经网络时,跟踪网络参数,以及输入输出是很重要的,可据此判断模型是否在学习,损失函数的值是否在不断减小。Tensorboard通过可视化方法,用于分析和调试网络模型。
使用tensorboard的流程:
1、构建计算流图,即完成代码部分
2、为要观察的操作节点添加summary
3、使用sess.run()启动计算流图
4、在anaconda prompt下启动tensorboard,如:tensorboard --logdir=***,其中***表示存放log的目录
5、在浏览器下查看可视化结果
import tensorflow as tf import numpy as np # 输出数字0-9 one = tf.constant(1.0) digit_value = tf.Variable(0.0, name='digit_value') new_digit_value = tf.add(digit_value, one) step = tf.assign(digit_value, new_digit_value) for value in [digit_value]: tf.summary.scalar(value.op.name, value) # 添加要显示在tensorboard的变化图 summaries = tf.summary.merge_all() with tf.Session() as sess: summary_writer = tf.summary.FileWriter('log', sess.graph) # 保存数据流图到文件夹log中 sess.run(tf.global_variables_initializer()) for i in range(10): summary_writer.add_summary(sess.run(summaries)) # 添加summaries图表到tensorboard中 print(sess.run(digit_value)) sess.run([new_digit_value, step])
显示效果: