TensorBoard启动及使用概要

在复杂的问题中，网络往往都是很复杂的。为了方便调试参数以及调整网络结构，我们需要将计算图可视化出来，以便能够更好的进行下一步的决策。Tensorflow提供了一个TensorBoard工具，可以满足上面的需求。

TensorBoard是一个可视化工具，能够有效地展示Tensorflow在运行过程中的计算图、各种指标随着时间的变化趋势以及训练中使用到的数据信息。可以查看TensorBoard Github ReadMe 详细阅读适应方法。

在Ubuntu系统中，使用一个小例子运行TensorBoard：

先使用Vim编辑器创建一个文件eg_board.py，并输入以下代码，这些代码是对一个线性方程图的简单的创建：

import tensorflow as tf

W = tf.Variable(2.0, dtype = tf.float32, name = "Weight")
b = tf.Variable(1.0, dtype = tf.float32, name = "Bias")
x = tf.placeholder(dtype = tf.float32, name = "Input")
with tf.name_scope("Output"):
    y = W * x + b


path = "./log"

init = tf.global_variables_initializer()

with tf.Session() as sess:
    sess.run(init) 
    writer = tf.summary.FileWriter(path, sess.graph)
    result = sess.run(y, {x: 3.0})
    print("y = %s" % result)

使用TensorFlow保存图的信息到日志中，用以下命令，这一命令在py文件中加入：

tf.summary.FileWriter("日志保存路劲", sess.graph)

另外可以使用命名空间name_scope,方便TensorBoard中的展示。

文件创建好之后，我们使用TensorBoard读取并且展示日志，命令如下：

tensorboard –logdir=日志所在路径

TensorFlow安装好之后，TensorBoard会自动安装好，在命令行中输入tensorb..，按下tab会自动补全，则说明TensorBoard组件正常使用。

在输入上面的读取日志展示日志命令后，命令行会如下输出：

可以看到在6006端口开设了TensorBoard可视化的入口，这个时候，直接ctrl+单机地址，就可以访问到TensorBoard了。

在TensorBoard中有很多强大的可视化功能，有一些符号的含义需要知道：

其他的操作，这里不多介绍，在以后的博客中，有机会会做更详细地介绍。

TensorBoard启动及使用概要

猜你喜欢