TensorFlow——TensorBoard可视化

前言

TensoeFlow可用于训练大规模深度神经网络所需的计算，使用该工具涉及的计算往往复杂而深奥。为了方便TensorFlow程序的理解、调试与优化，TensorFlow提供了TensorBoard可视化工具。

实现程序可视化过程：

数据序列化—events文件
启动TensorBoard

1、数据序列化—events文件

TensorBoard通过读取TensorFlow的事件文件来运行，需要将数据生成一个序列化的Summary protobuf对象。

调用方法:

tf.summary.FileWriter(path,graph=sess.graph)

第一个参数：写入文件保存的路径

第二个参数：需要可视化的图

将在指定目录生成一个event文件，其名称格式如下：

events.out.tfevents.{timestamp}.{hostname}

2、启动TensorBoard

tensorboard --logdir="path"

在浏览器中打开TensorBoard的图页面127.0.0.1:6006，在GRAPHA模块我们可以看到图结构

具体演示流程如下：

演示程序：

import tensorflow as tf 

import os
os.environ['TF_CPP_MIN_LOG_LEVEL'] = '2'

def graph_demo():
    a = tf.constant(4)
    b = tf.constant(5)
    c = a + b

    with tf.Session() as sess:
        c_value = sess.run(c)
        print("c_value:\n",c_value)
        tf.summary.FileWriter("./tmp/summary",graph=sess.graph)
        

if __name__ == "__main__":
    graph_demo()

运行，可以看到在指定路径下生成了events文件

去终端尝试启动tensorBoard

浏览器输入http://127.0.0.1:6006,出现可视化界面

图时什么意思呢？可以通过左边图例理解

大圈表示加法操作，两个小圈表示我们通过constant()方法创建的两个常数，图表示两个常数相加

为什么是Const 和Const_1呢？

我们可以在刚开始定义的部分打印a,b，加入代码如下：

print("a:\n",a)

print("b:\n",b)

加入上述代码之后的结果：

a:
Tensor("Const:0", shape=(), dtype=int32)
b:
Tensor("Const_1:0", shape=(), dtype=int32)
c_value:
9

我们可以看到输出中有Const:0和Const_1:0

冒号后的0是什么意思呢？

以a = tf.contstant(2)为例解释

指constant()这个操作函数在操作的过程中会生成一个操作对象，而这个操作只有一个输出，所以是0，若有多个输出，就会继续索引下去

————————————————————————————————————————————————————————

中途遇到了各种问题，欢迎观看我的下一篇博客，对此过程中出现的各种错误做了比较详细的记录，包含解决方法

本文链接：https://blog.csdn.net/DAI_KAI_KAI/article/details/104790391

智能推荐

Tensorflow基础：TensorBoard可视化

为了更好的管理、调试和优化神经网络的训练过程，Tensorflow提供了一个可视化工具TensorBoard。TensorBoard可以有效地展示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图像等信息。 TensorBoard简介 TensorBoard是Tensorflow的可视化工具，它可以通过Tensorflow程序运行过程中输出的日志文件可视化Te...

Tensorflow 可视化 Tensorboard 1

　　Tensorflow 自带的 tensorboard 去可视化我们所建造出来的神经网络是一个很好的学习理解方式。用最直观的流程图告诉你你的神经网络是长怎样,有助于你发现编程中间的问题和疑问。　　这次只是简单展示tensorboard的简单使用。所以demo还是使用上上篇博客的demo,只是对一里面的一下层和必要参数进行了包装。这次展示的图是这样的。图上有三层我们的代码里面也是只有简单的三...

Tensorflow入门（3）——TensorBoard可视化

一、存储与可视化运行后在指定目录产生了日志文件在tensorboard查看方法方法①：在Anaconda Prompt中先进入日志存放的目录（非常重要！！！）再运行TensorBoard，并将日志的地址指向程序日志输出的地址命令：tensorboard --logdir=/path/log，启动服务的端口默认为6006；使用 --port 参数可以改编启动服务的端口方法②：W...

TensorFlow笔记（3） TensorBoard可视化

TensorFlow笔记（3） TensorBoard可视化 1. TensorBoard简介 2. 运行TensorBoard 3. 常用API 1. TensorBoard简介 TensorBoard是TensorFlow的可视化工具通过运行过程中输出的日志文件可视化程序的运行状态可以帮助开发者方便的理解、调试、优化TensorFlow 程序 2. 运行TensorBoard 举个例子： ...

tensorflow学习之tensorboard可视化

tensorboard 功能可视化的好帮手 Event: 展示训练过程中的统计数据（最值，均值等）变化情况 Image: 展示训练过程中记录的图像 Audio: 展示训练过程中记录的音频 Histogram: 展示训练过程中记录的数据的分布图原理在运行过程中，记录结构化的数据运行一个本地服务器，监听6006端口请求时，分析记录的数据，绘制 1.Histogram: 展示训练过程中记录的数...

TensorFlow——TensorBoard可视化

前言

1、数据序列化—events文件

2、启动TensorBoard

智能推荐

猜你喜欢