使用Tensorflow時的爽物之Tensorboard
前期準備
Tensorflow（Mac老司機踩坑記錄：在Mac上安裝Tensorflow的注意點 - 知乎專欄）
一點可以跑的TF程式碼（
https：//
gist。github。com/moshouj
ingli/384b8b4e624d4a846fc26c8e5076a9ca
）
目的
使用Tensorflow自帶的工具進行權重分佈檢視，網路連結展示，loss隨迭代變化曲線。
使用
文章開頭提到的程式碼執行結束後，執行
tensorboard ——logdir=‘。/graph’
得到幾個視覺化頁面的截圖
顯示網路圖
選擇一個點進去可以看到細節
顯示權重分佈
三維顯示
顯示loss變化
用法
老版本的Tensorboard系列API是以tf。xxx_summary這種方法定義的，在1。0版本釋出後，summary被定義為operation的一種，因此呼叫變為：
http：//
tf。summary。xxx
， 例如原先的tf。scalar_summary（）介面現在為tf。summary。scalar（）。
Tensorboard本質上是把執行中資訊儲存在一個資料夾下，然後用web方式開啟進行展示。所以一般的使用方法如下：
def
graphDef
（）：
## some other work
## 把一些ops整合到一個name scope下，最後生成的圖比較清楚
with
tf
。
name_scope
（
“layer_out”
）：
w_o
=
init_weights
（［
64
，
2
］，
“w_o”
）
b_o
=
init_weights
（［
2
］，
“b_o”
）
py_x
=
tf
。
nn
。
softmax
（
tf
。
matmul
（
ho
，
w_o
）
+
b_o
）
## 定義圖的時候儲存一些中間結果
tf
。
summary
。
histogram
（
‘h1/weights’
，
w_2
）
tf
。
summary
。
scalar
（
‘loss’
，
cost
）
## summary 也是個op 所以也需要run
writer
=
tf
。
summary
。
FileWriter
（
‘。/graph’
，
sess
。
graph
）
merged
=
tf
。
summary
。
merge_all
（）
## 合併定義圖時的記錄操作，並計算
for
i
in
range
（
step
）：
## some other work
result
=
sess
。
run
（
merged
，
feed_dict
=
{
X
：
batchX
，
Y
：
batchY
}）
## 把計算結果和step繫結（用來畫圖）
writer
。
add_summary
（
result
，
i
）
writer
。
close
（）
常用的幾個API用法：
# 記錄一個tensor，之後產出這個tensor中元素的直方圖和分佈隨迭代次數i之間的關係，支援二級名稱
tf
。
summary
。
histogram
（
‘name/sub_name’
，
weight_tensor
）
# 記錄一個標量，之後產出這個標量和迭代次數i之間關係的曲線圖
tf
。
summary
。
scalar
（
‘name/sub_name’
，
scalar_val
）
# 指定輸出資料夾路徑以及對應的計算圖，之後產出此計算圖的圖形化展示
writer
=
tf
。
summary
。
FileWriter
（
‘。/graph’
，
sess
。
graph
）
# 定例搞法，一般在一個迴圈裡操作，i是需要把上面標量和分佈去繫結的迭代次數
merged
=
tf
。
summary
。
merge_all
（）
result
=
sess
。
run
（
merged
）
writer
。
add_summary
（
result
，
i
）
總結
用Tensorflow搞了個大新聞之後可以考慮用graph來視覺化計算圖和中間關鍵值的變化。
如果發現有一些層連結的關係比較噁心，可以考慮用name_scope簡化顯示，
