浅入浅出TensorFlow 5—可视化工具TensorBoard

上篇，Amusi带着大家学习了如何浅入浅出TensorFlow 4 — 训练CIFAR数据，今天继续给大家介绍linolzhang大佬的TensorFlow系列课程，带大家学习使用可视化工具TensorBoard。

正文

一. TensorBoard 介绍

TensorFlow 可视化可以借助 Python 的 matplotlib 进行，也可以使用 TensorFlow 自带的 TensorBoard，推荐大家使用 TensorBoard 进行可视化，这样可以不依赖于TensorFLow 的 Python 接口。

可视化内容包括：

Event：训练过程中的统计数据，主要包括 Loss、Accuracy等

Image：记录的图像数据

Graphs：网络结构图

Audio：记录的音频数据

Histogram：直方图描述的统计结果

二. 生成过程

理解 TensorBoard 使用最关键的一点就是 Summary，Summary对应流程也就是我们的使用流程：

a）调用 TensorFlow API中的summary接口

上面 summay 得到的输出为包含对应数据的 ProtoBuf，通常的做法是先将这些数据合并，然后再写入。

b）将Summary信息汇总

将上面函数输出的 protobuf 数据进行合并，提供两种接口（通常我们用第二个就可以了）：

c）指定写入路径

关键类：tf.train.SummaryWriter，在该目录下，生成对应event文件

d）Training调用及单步写出

三. 可视化展示

TensorFLow 主要对网络和参数进行可视化，通过读取运行过程中生成的 Log文件 进行可视化，输入参数为 日志文件路径。

TensorBoard 读取日志文件，并生成本地服务（默认6006端口），通过访问本地 回环地址 127.0.0.1:6006 查看可视化结果，如下图所示：

四. 代码示例

下面通过实例代码进行 TensorBoard 的使用展示，里面 with tf.name_scope() 需要理解一下，主要是做层级划分（与c++的namespace类似），比如：

形成结点的层次关系描述（可以参考 Tensorflow中文手册v1.2）：

• hidden/alpha

• hidden/weights

• hidden/biases

完整的 MNIST训练示例：

五. 劳动成果

好了按照上面的命令，输入：

根据提示的IP地址进行浏览（注：用Chrome浏览器，IE或者Safri因兼容问题可能会出现空白问题）：

--------我是可爱的分割线--------