tensorboard 版本1.0后可视化函数变化问题

主要区别

如果之前使用过TensorBoard，其实只是换一下函数名就可以了。在Github上新版本说明文档中，已经有了对这一方面的说明：

Replace tf.scalar_summary, tf.histogram_summary, tf.audio_summary, tf.image_summary with tf.summary.scalar, tf.summary.histogram, tf.summary.audio, tf.summary.image, respectively. The new summary ops take name rather than tag as their first argument, meaning summary ops now respect TensorFlow name scopes.

也就是说，summary独立出来了，以前tf.XXX_summary这样的下划线变成了tf.summary.XXX的格式。

数据可视化

对于标量

如果我们想对标量在训练中可视化，可以使用tf.summary.scalar()，比如损失loss：

loss = tf.reduce_mean(tf.reduce_sum(tf.square(ys-prediction),reduction_indices=[1]))
tf.summary.scalar('loss',loss)

得到一个loss的summary。

对于参数

应使用tf.summary.histogram()，如全链接的权重：

tf.summary.histogram("/weights",Weights)

merge并运行

就像变量需要初始化一样，summary也需要merge：

merged = tf.summary.merge_all()

之后定义一个输出器记录下在运行中的数据：

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

最后记得在训练过程中执行这两个模块：

for i in range(1000):
sess.run(train_step,feed_dict={xs:x_data,ys:y_data})
if i%50==0:# 50次记录一次
result = sess.run(merged,feed_dict={xs:x_data,ys:y_data})
writer.add_summary(result,i)

转载：http://blog.csdn.net/yan_joy/article/details/60872685