时间:2021-05-23
1.用try...except...避免因版本不同出现导入错误问题
try: image_summary = tf.image_summary scalar_summary = tf.scalar_summary histogram_summary = tf.histogram_summary merge_summary = tf.merge_summary SummaryWriter = tf.train.SummaryWriterexcept: image_summary = tf.summary.image scalar_summary = tf.summary.scalar histogram_summary = tf.summary.histogram merge_summary = tf.summary.merge SummaryWriter = tf.summary.FileWriter2.将代码写入作用域(作用域不影响代码的运行)
with tf.name_scope('loss'): loss = -tf.reduce_sum(y * tf.log(y_conv)) loss_summary = scalar_summary('loss', loss) with tf.name_scope('accuracy'): accuracy = tf.reduce_mean(tf.cast(correct_prediction, 'float')) acc_summary = scalar_summary('accuracy', accuracy)3.将要保存的变量存在一起
另外可使用 tf.merge_all_summaries() 或者 tf.summary.merge_all()
merged = merge_summary([loss_summary, acc_summary])4.定义保存路径(在sess中完成)
writer = SummaryWriter('save-cnn20/logs', sess.graph)5.训练模型的同时训练变量集合merged(在sess中完成,counter为计数,每训练一次增加1)
summary, _ = sess.run([merged, train_step], feed_dict={x:x_batch, y:y_batch})counter += 1writer.add_summary(summary, counter)6.训练完成后在 save/logs 文件夹里面会有一个events.out.开头的文件,以下通过终端操作。
cd savetensorboard --logdir=logs终端会出现一个网址,复制到浏览器中打开就能看见tensorboard储存的图像了。(若打开后无数据或图像,检查 --logdir后面的文件夹名字是否给错了。)
以上这篇使用tensorboard可视化loss和acc的实例就是小编分享给大家的全部内容了,希望能给大家一个参考,也希望大家多多支持。
声明:本页内容来源网络,仅供用户参考;我单位不保证亦不表示资料全面及准确无误,也不保证亦不表示这些资料为最新信息,如因任何原因,本网内容或者用户因倚赖本网内容造成任何损失或损害,我单位将不会负任何法律责任。如涉及版权问题,请提交至online#300.cn邮箱联系删除。
前言Tensorflow中可以使用tensorboard这个强大的工具对计算图、loss、网络参数等进行可视化。本文并不涉及对tensorboard使用的介绍,
在使用tensorboard可视化网络参数时,当因多次训练产生多个events文件后,在tensorboard上显示会非常混乱,非常不易于观察。如下图所示,这张
最近在研究tensorflow自带的例程speech_command,顺便学习tensorflow的一些基本用法。其中tensorboard作为一款可视化神器,
Tensorboard:如何更直观的观察数据在神经网络中的变化,或是已经构建的神经网络的结构。上一篇文章说到,可以使用matplotlib第三方可视化,来进行一
基于python代码的3D地图可视化,供大家参考,具体内容如下介绍使用Python对地图进行3D可视化。以地图为地图,可以在三维空间对轨迹、点进行可视化。库我们