TensorFlow TensorBoard可视化数据流图

2020-7-22 21:26:55 1569 tensorflow

0 TensorFlow 使用 TensorBoard 来提供计算图形的图形图像。这使得理解、调试和优化复杂的神经网络程序变得很方便。TensorBoard 也可以提供有关网络执行的量化指标。它读取 TensorFlow 事件文件，其中包含运行 TensorFlow 会话期间生成的摘要数据。具体做法使用 TensorBoard 的第一步是确定想要的 OP 摘要。以 DNN 为例，通常需要知道损失项（目标函数）如何随时间变化。在自适应学习率的优化中，学习率本身会随时间变化。可以在 tf.summary.scalar OP 的帮助下得到需要的术语摘要。假设损失变量定义了误差项，我们想知道它是如何随时间变化的：还可以使用 tf.summary.histogram 可视化梯度、权重或特定层的输出分布：摘要将在会话操作中生成。可以在计算图中定义 tf.merge_all_summaries OP 来通过一步操作得到摘要，而不需要单独执行每个摘要操作。生成的摘要需要用事件文件写入：这会将所有摘要和图形写入 summary_dir 目录中。现在，为了可视化摘要，需要从命令行中调用 TensorBoard：接下来，打开浏览器并输入地址 http://localhost:6006/（或运行 TensorBoard 命令后收到的链接）。你会看到类似于图 1 中的图，顶部有很多标签。Graphs（图表）选项卡能将运算图可视化：图 1 运算图可视化 0
2020-7-22 21:26:55　　评论淘帖0 举报相关推荐 • Tensorflow之Tensorboard的可视化使用 2017 • 什么是TensorFlow数据流图？详细TensorFlow数据流图(动图)免费下载 9 • Python数据可视化 2687 • python数据可视化的方法和代码 1330 • 如何使用TensorFlow.js实现SNE可视化？ 5630 • keras可视化介绍 346 • 泰克宣布面向个人提供全新Initial State数据流和可视化服务 3395 • 基于STM的可视化门禁系统 2562 • 数据的可视化原则 1337 • 经验分享\|BI数据可视化报表布局——容器 4091