要約は、主に以下の機能で使用TensorFlow可視化ツール、次のとおりです。
1、tf.summary.scalar()2、tf.summary.merge_all()3、tf.summary.FileWriter()
tf.summary.scalar(「損失」、損失は)##、データ損失を収集するために使用され、「損失」と命名
merge_summary = tf.summary.merge_all()##この機能は、すべてのディスクに要約のすべてを保存することができます
train_writer = tf.summary.FileWriter(train_save_dir、sess.graph)## tf.summary.FileWritterてFileWriter指定されたファイルに格納されたトレーニングプロセスデータ(パス、sess.graph)
.............................中間処理(クロスエントロピー、パラメータ最適化、等)........ ...................
範囲内のステップ(training_step):
train_summary = sess.run(merge_summary、feed_dict = {........})トレーニングプロセスデータのsess.run図生成ステップを呼び出し、##
いくつかの手順が保存されますadd_summary訓練プロセスやトレーニング方法のtrain_writerを呼び出し、## train_writer.add_summary(train_summary、ステップ)
tf.summary使用法の要約:
1、tf.summary.scalar:情報を表示するために使用されるスカラー
例如:tf.summary.scalar( '平均'、平均値)
一般的な画像の損失で、accuaryはときに、この機能を使用することになります。
2、tf.summary.histogram:ヒストグラム情報を表示します
たとえば、次のようにtf.summary.histogram( 'ヒストグラム'、VAR)
通常のトレーニングプロセス変数の分布を示すために使用
3、tf.summary.distribution:プロファイルは、典型的には、重みの分布を表示するために使用します
4、tf.summary.text:の概要にテキストタイプテンソルにデータを書き込むことができます
5、tf.summary.image:画像バンド画像probufの出力形式、次のように集約されたデータ。
'タグ/画像/ 0'、 'タグ/画像/ 1' ...、など:入力/画像/ 0などが挙げられます。
格式:tf.summary.image(タグ、テンソル、max_images = 3、コレクション=なし、名前=ノン
6、tf.summary.audio:訓練中に記録された表示オーディオ
7は、tf.summary.merge_all:merge_allすべての概要は、すべての表示をtensorboardするために、ディスクに保存することができます。一般的に、様々な情報を使用する特別な要件がない場合、トレーニングショーの時間がかかることがあります。
格式:tf.summaries.merge_all(キー= '要約')
8、tf.summary.FileWriter:図を保存するファイルを指定します。
フォーマット:tf.summary.FileWritter(パス、sess.graph)
あなたは、ファイル指定してFileWriterに保存されているトレーニングプロセスデータにadd_summary()メソッドを呼び出すことができます