人工智能信息网

tensorboard的学习使用

  新的算法理论不断涌现的同时,各种深度学习框架也不断出现在人们视野,比如Torch,Caffe等等。TensorFlow是Google开发的第二代机器学习系统,于2015年底开源,成为了新一代流行的机器学习的算法框架。这一章节我们将介绍如何使用tensorboard来可视化tensorflow构建的网络运行过程。
tensorboard

  tensorboard是TensorFlow的一个可视化工具,能够监控TensorFlow运行过程中的计算图,各种指标随着时间的变化趋势以及训练中使用到的图像等信息。
功能
1.Event: 展示训练过程中的统计数据(最值,均值等)变化情况
2.Image: 展示训练过程中记录的图像
3.Audio: 展示训练过程中记录的音频
4.Histogram: 展示训练过程中记录的数据的分布图
原理
1.在运行过程中,记录结构化的数据
2.运行一个本地服务器,监听6006端口
3.请求时,分析记录的数据,绘制
实例

import tensorflow as tf with tf.name_scope('graph') as scope: matrix1 = tf.constant([[3., 3.]],name ='matrix1') #1 row by 2 column matrix2 = tf.constant([[2.],[2.]],name ='matrix2') # 2 row by 1 column product = tf.matmul(matrix1, matrix2,name='product') sess = tf.Session() writer = tf.summary.FileWriter("logs", sess.graph) init = tf.global_variables_initializer() sess.run(init)

 

之后在Anaconda Prompt中激活tensorflow,输入tensorboard –logdir =E:\tensorflow\logs
TensorFlow100
打开谷歌浏览器输入其中提示的地址,如:
http://DESKTOP-1J9NFTH:6006
发现出现了下面的情况。
TensorFlow101
可以发现,找不到graph,通过查找资料,发现是路径的原因。我们必须给logdir一个明确的路径定义。
所以

 

writer = tf.summary.FileWriter("logs", sess.graph)

 

中将其修改为:

 

writer = tf.summary.FileWriter("D://logs", sess.graph)

 

启动tensorboard:
TensorFlow102
访问同样的地址可以得到
TensorFlow103

 
这就是tensorboard的基本使用方法,具体语法需要参考官网。
 

001.png扫一扫获取最新精彩内容与学习资料 

人工智能信息网 倡导尊重与保护知识产权。如发现本站文章存在版权等问题,烦请30天内提供版权疑问、身份证明、版权证明、联系方式等发邮件至1851688011@qq.com我们将及时沟通与处理。!:首页 > 大数据 » tensorboard的学习使用

()
分享到:

相关推荐

留言与评论(共有 0 条评论)
   
验证码: