最近在研究tensorflow自帶的例程speech_command,順便學習tensorflow的一些基本用法。
其中tensorboard 作為一款視覺化神器，可以說是學習tensorflow時模型訓練以及引數視覺化的法寶。
而在訓練過程中，主要用到了tf.summary()的各類方法，能夠儲存訓練過程以及引數分布圖並在tensorboard顯示。
tf.summary有諸多函式：
1、tf.summary.scalar
用來顯示標量資訊，其格式為：
tf.summary.scalar(tags, values, collections=none, name=none)
例如：tf.summary.scalar(『mean』, mean)
一般在畫loss,accuary時會用到這個函式。
2、tf.summary.histogram
用來顯示直方圖資訊，其格式為：
tf.summary.histogram(tags, values, collections=none, name=none)
例如： tf.summary.histogram(『histogram』, var)
一般用來顯示訓練過程中變數的分布情況
3、tf.summary.distribution
分布圖，一般用於顯示weights分布
4、tf.summary.text
可以將文字型別的資料轉換為tensor寫入summary中：
例如：text = 「」"/a/b/c\_d/f\_g\_h\_2017"""
summary_op0 = tf.summary.text(『text』, tf.convert_to_tensor(text))
5、tf.summary.image
輸出帶影象的probuf，彙總資料的影象的的形式如下： 』 tag /image/0』, 』 tag /image/1』…，如：input/image/0等。
格式：tf.summary.image(tag, tensor, max_images=3, collections=none, name=non
6、tf.summary.audio
展示訓練過程中記錄的音訊
7、tf.summary.merge_all
merge_all 可以將所有summary全部儲存到磁碟，以便tensorboard顯示。如果沒有特殊要求，一般用這一句就可一顯示訓練時的各種資訊了。
格式：tf.summaries.merge_all(key=『summaries』)
8、tf.summary.filewriter
指定乙個檔案用來儲存圖。
格式：tf.summary.filewritter(path,sess.graph)
可以呼叫其add_summary（）方法將訓練過程資料儲存在filewriter指定的檔案中
tensorflow summary 用法示例:
tf.summary.scalar('accuracy',acc) #生成準確率標量圖
merge_summary = tf.summary.merge_all()
train_writer = tf.summary.filewriter(dir,sess.graph)#定義乙個寫入summary的目標檔案，dir為寫入檔案位址
......(交叉熵、優化器等定義)
for step in xrange(training_step): #訓練迴圈
train_summary = sess.run(merge_summary,feed_dict = )#呼叫sess.run執行圖，生成一步的訓練過程資料
train_writer.add_summary(train_summary,step)#呼叫train_writer的add_summary方法將訓練過程以及訓練步數儲存
tensorboard --logdir=/summary_dir另外，如果我不想儲存所有定義的summary資訊，也可以用tf.summary.merge方法有選擇性地儲存資訊：
9、tf.summary.merge
格式：tf.summary.merge(inputs, collections=none, name=none)
一般選擇要儲存的資訊還需要用到tf.get_collection()函式
tf.summary.scalar('accuracy',acc) #生成準確率標量圖
merge_summary = tf.summary.merge([tf.get_collection(tf.graphkeys.summaries,'accuracy'),...(其他要顯示的資訊)])
train_writer = tf.summary.filewriter(dir,sess.graph)#定義乙個寫入summary的目標檔案，dir為寫入檔案位址
......(交叉熵、優化器等定義)
for step in xrange(training_step): #訓練迴圈
train_summary = sess.run(merge_summary,feed_dict = )#呼叫sess.run執行圖，生成一步的訓練過程資料
train_writer.add_summary(train_summary,step)#呼叫train_writer的add_summary方法將訓練過程以及訓練步數儲存
tf.graphkeys.summaries 是summary在collection中的標誌。
當然，也可以直接：
acc_summary = tf.summary.scalar(『accuracy』,acc) #生成準確率標量圖
merge_summary = tf.summary.merge([acc_summary ,…(其他要顯示的資訊)]) #這裡的不可省
如果要在tensorboard中畫多個資料圖，需定義多個tf.summary.filewriter並重複上述過程。
tensorflow學習筆記
tensorflow安裝可以直接通過命令列或者原始碼安裝，在此介紹tensorflow8命令列安裝如下 安裝tensorflow sudo pip install upgrade 另外，解除安裝tensorflow命令為 sudo pip uninstall tensorflow tensorflo...
Tensorflow學習筆記
1.如何在虛擬機器中安裝tensor flow 1 首先安裝pip pip install 2 pip install 2.學習tensorflow需要學習 python and linux 3.使用 tensorflow,你必須明白 tensorflow 1 使用圖 graph 來表示計算任務.2...
TensorFlow學習筆記
1 擬合直線 import the library import tensorflow as tf import numpy as np prepare train data train x np.linspace 1,1,100 temp1 train x,temp2 train x.shape,...