Tensordoard简单运用

1.TensorBoard 使用流程

1.添加记录节点&＃xff1a;tf.summary.scalar/image/histogram()等2.汇总记录节点&＃xff1a;merged &＃61; tf.summary.merge_all() 3. 日志书写器实例化&＃xff1a;summary_writer &＃61; tf.summary.FileWriter(logdir, graph&＃61;sess.graph)&＃xff0c;实例化的同时传入 graph 将当前计算图写入日志4. 运行汇总节点&＃xff1a;summary &＃61; sess.run(merged)&＃xff0c;得到汇总结果5.调用日志书写器实例对象summary_writer的add_summary(summary, global_step&＃61;i)方法将所有汇总日志写入文件6.调用日志书写器实例对象summary_writer的close()方法写入内存&＃xff0c;否则它每隔120s写入一次


2.示例代码

import tensorflow as tf
import numpy as np## prepare the original data
with tf.name_scope(&＃39;data&＃39;):x_data &＃61; np.random.rand(100).astype(np.float32)y_data &＃61; 0.3*x_data&＃43;0.1#1.添加记录节点tf.summary.histogram(&＃39;x_data&＃39;, x_data)tf.summary.histogram(&＃39;y_data&＃39;, y_data)
##creat parameters
with tf.name_scope(&＃39;parameters&＃39;):with tf.name_scope(&＃39;weights&＃39;):weight &＃61; tf.Variable(tf.random_uniform([1],-1.0,1.0))#1.添加记录节点tf.summary.histogram(&＃39;weight&＃39;,weight)with tf.name_scope(&＃39;biases&＃39;):bias &＃61; tf.Variable(tf.zeros([1]))#1.添加记录节点tf.summary.histogram(&＃39;bias&＃39;,bias)
##get y_prediction
with tf.name_scope(&＃39;y_prediction&＃39;):y_prediction &＃61; weight*x_data&＃43;bias#1.添加记录节点tf.summary.histogram(&＃39;y_prediction&＃39;, y_prediction)
##compute the loss
with tf.name_scope(&＃39;loss&＃39;):loss &＃61; tf.reduce_mean(tf.square(y_data-y_prediction))#1.添加记录节点tf.summary.scalar(&＃39;loss&＃39;,loss)tf.summary.histogram(&＃39;loss&＃39;, loss)
##creat optimizer
optimizer &＃61; tf.train.GradientDescentOptimizer(0.5)
#creat train ,minimize the loss
with tf.name_scope(&＃39;train&＃39;):train &＃61; optimizer.minimize(loss)
#creat init
with tf.name_scope(&＃39;init&＃39;):init &＃61; tf.global_variables_initializer()
##creat a Session
sess &＃61; tf.Session()
#merged
#2.汇总记录节点&＃xff1a;
merged &＃61; tf.summary.merge_all()
##initialize
#3. 日志书写器实例化
writer &＃61; tf.summary.FileWriter("logs/", sess.graph)
sess.run(init)
## Loop
for step in range(101):sess.run(train)# 4. 运行汇总节点&＃xff1a;rs&＃61;sess.run(merged)#5.6.调用日志writer.add_summary(rs, step)writer.close()


3.运行tensorbord
注意logs文件是和在此代码的同一目录下的。
在终端运行&＃xff08;logs外边的目录下&＃xff09;&＃xff1a; tensorboard --logdir logs

打开生成的网址即可。也可用 http://localhost:6006
。
用谷歌浏览器和火狐浏览器。其他浏览器可能不支持。
如果还是打不开网页。
在终端中打开上边代码&＃xff08;a.py&＃xff09;的文件位置。

python a.py
tensorboard --logdir logs


再打开tensorboard网址 。

参考&＃xff1a;https://www.cnblogs.com/fydeblog/p/7429344.html
https://blog.csdn.net/gsww404/article/details/78605784
https://blog.csdn.net/gg_18826075157/article/details/78440766