tensorboard窥视

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])

View Code

显示效果：