使用tensorboard可视化loss和acc的实例

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.SummaryWriter
except:
image_summary = tf.summary.image
scalar_summary = tf.summary.scalar
histogram_summary = tf.summary.histogram
merge_summary = tf.summary.merge
SummaryWriter = tf.summary.FileWriter

2.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 += 1
writer.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 save
tensorboard --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

您可能感兴趣的文章:

• Tensorflow的可视化工具Tensorboard的初步使用详解
• TensorFlow 模型载入方法汇总(小结)
• tensorflow模型继续训练 fineturn实例
• tensorflow通过模型文件,使用tensorboard查看其模型图Graph方式