1、什么是tensorboard?

Tensorboard是Tensorflow的一個可視化工具，目的是為了更好地管理、調(diào)試和優(yōu)化神經(jīng)網(wǎng)絡(luò)的訓(xùn)練過程。Tensorboard可以有效地展示Tensorflow在運行過程中的計算圖、各種指標隨著時間的變化趨勢以及訓(xùn)練中使用到的圖像等信息。

2、需要注意的地方

重點：

1、使用Tensorboard，首先要定義變量的命名空間name_scope，只有定義了name_scope，我們在tensorboard中的Graph才會看起來井然有序。name_scope對神經(jīng)網(wǎng)絡(luò)的訓(xùn)練過程是沒有影響的。
2、在定義好命名空間之后，我們需要將我們網(wǎng)絡(luò)中的數(shù)據(jù)流保存到文件中：tf.summary.FileWriter('logs/',sess.graph)
3、參數(shù)名、op都可以定義新的名稱，如例子中的A、B、C
4、執(zhí)行代碼后啟動tensorboard：tensorboard --logdir=G:\Code\basic\1\logs
5、用Google瀏覽器打開生成的http地址

3、一個簡單的例子

import tensorflow as tf

#定義命名空間 with tf.name_scope('input'):
  #fetch：就是同時運行多個op的意思
  input1 = tf.constant(3.0,name='A') # 定義名稱，會在tensorboard中代替顯示
  input2 = tf.constant(4.0,name='B')
  input3 = tf.constant(5.0,name='C')

with tf.name_scope('op'):
  #加法
  add = tf.add(input2,input3)
  #乘法
  mul = tf.multiply(input1,add)

with tf.Session() as sess:
  #默認在當前py目錄下的logs文件夾，沒有會自己創(chuàng)建
  wirter = tf.summary.FileWriter('logs/',sess.graph)
  result = sess.run([mul,add])
  print(result)

4、結(jié)果查看

執(zhí)行代碼后，找到py文件目錄下找logs目錄：
可以看到有一個：events.out.tfevents.前綴的文件；
執(zhí)行命令tensorboard --logdir=G:\Code\basic\1\logs，

然后就可以根據(jù)它提示的網(wǎng)址去訪問結(jié)果，這里使用的是Google瀏覽器：

image.png

可以看到圖中的輸入就變成了定義好的名稱：

image.png

可以看GRAPH選項下面保存了我們的整個網(wǎng)絡(luò)的流圖。
這里這是一個最基本的小例子，更多的信息歡迎大家可以自己去探索~下篇繼續(xù)