版权声明：本文为博主原创文章，未经博主允许不得转载。 https://blog.csdn.net/wgj99991111/article/details/83755545
tensorflow运行过程的可视化有助于我们对网络进行调优。比如迭代的过程中每一层参数是如何变化与分布的，比如每次循环参数更新后模型在训练集上的准确率是如何的，比如损失值的变化情况，等等。tensorflow提供了可视化工具Tensorboard，今天把学习该工具的过程记录如下：
一、Tensorboard的配置与初步使用
- 在tensorflow构建图的过程中放入记录变量
在使用tensorflow构建图的过程中，在需要记录变量值的地方放入summary operations。
使用tf.summary.scalar记录标量
使用tf.summary.histogram记录数据的直方图
使用tf.summary.distribution记录数据的分布图
使用tf.summary.image记录图像数据
….
例如：
cross_entropy = -tf.reduce_sum(y * tf.log(y_fc2))
tf.summary.scalar('loss', cross_entropy)
accuracy = tf.reduce_mean(tf.cast(correct_prediction, "float"))
tf.summary.scalar('accuracy', accuracy)
- 合并summary operation
在变量tensorflow变量初始化之前合并采集点变量，并且将它们写到之前定义的log_dir路径。
# summaries合并
merged = tf.summary.merge_all()
# 写到指定的磁盘路径中
train_writer = tf.summary.FileWriter(log_dir + '/train', session.graph)
tf.global_variables_initializer().run()
注意这里的train_writer变量，这里是定义一个信息的存储位置，后面在训练过程中采集到的数据都要通过这个变量写入文件。
- 在网络训练的过程中采集数据
下面就是在网络的训练过程中将该记录的数据记录下来。
for i in range(1000):
batch = mnist.train.next_batch(50)
summary,_ = session.run([merged,train], feed_dict = {x:batch[0], y:batch[1], keep_prob:0.5})
train_writer.add_summary(summary,i)
if i % 100 == 0:
print("step %4d: " % i)
print(session.run(accuracy, feed_dict = {x:batch[0], y:batch[1], keep_prob:1}))
print(session.run(accuracy, feed_dict = {x:mnist.test.images, y:mnist.test.labels, keep_prob:1}))
train_writer.close()
注意：
1）这段代码的第三句，summary就是用来记录训练过程中信息的变量，summary后面的“,-”是与session.run([merged,train],相对应的，表示将训练过程中合并的信息merged存储到变量summary中，后面的train结果不存出，也就是用“,-”表示。
2）train_writer.add_summary(summary,i)将这次迭代的信息存储到上面确定的文件中。
通过上面三个步骤，就可以完成可视化数据的记录了，下面就是数据的展示问题。
- 初始化可视化服务器
在程序中所确定的：
log_dir = './MNIST_LOG'
注意，一定要在包含log_dir文件夹的外层目录打开终端，输入下面这个命令进入tensorflow的虚拟环境
source activate tensorflow-1
运行以下代码，等号后面加上summary日志保存的路径（就是log_dir定义的路径）
tensorboard --logdir=
会出现如下提示，说明这个可视化服务器已经准备好了。可以在浏览器上输入127.0.0.1：6006,进行数据查看了。注意这个端口号就是下面提示信息中的端口号。
注意：在采集数据之前，也就是运行神经网络进行训练之前，最好把log_dir中的数据删除掉，否则在初始化服务器时就会出现有多个信息的问题。
- 在浏览器中显示
在浏览器中输入127.0.0.1：6006，就可以显示所需的信息了，如下图所示。
二、数据分析
未完待续