注意：在閱讀本文之前，請務(wù)必更新你的瀏覽器。Chrome大法好！?

數(shù)據(jù)、模型可視化是TensorFlow的一項重要的功能，安裝后自帶的TensorBoard是一個很強大的工具，但目前的教程大多都停留在TensorFlow 1.0 版本之前，一些函數(shù)已經(jīng)改名無法使用，因此寫一篇比較新的使用說明。

主要區(qū)別

如果之前使用過TensorBoard，其實只是換一下函數(shù)名就可以了。在Github上新版本說明文檔中，已經(jīng)有了對這一方面的說明：

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.

也就是說，summary獨立出來了，以前tf.XXX_summary這樣的下劃線變成了tf.summary.XXX的格式。

數(shù)據(jù)可視化 對于標量

如果我們想對標量在訓(xùn)練中可視化，可以使用tf.summary.scalar()，比如損失loss：

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

1212

得到一個loss的summary。

對于參數(shù)

應(yīng)使用tf.summary.histogram()，如全鏈接的權(quán)重：

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

11merge并運行

就像變量需要初始化一樣，summary也需要merge：

merged?=?tf.summary.merge_all()

11

之后定義一個輸出器記錄下在運行中的數(shù)據(jù)：

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

11

最后記得在訓(xùn)練過程中執(zhí)行這兩個模塊：

for?i?in?range(1000):
????sess.run(train_step,feed_dict={xs:x_data,ys:y_data})
????if?i%50==0:#?50次記錄一次
????????result?=?sess.run(merged,feed_dict={xs:x_data,ys:y_data})
????????writer.add_summary(result,i)

1234512345TensorBoard 運行

安裝TensorFlow時已經(jīng)自帶TensorBoard，如果直接在命令行中輸入tensorboard而沒有對應(yīng)指令，可以從安裝目錄下執(zhí)行：

python?~/.local/lib/python2.7/site-packages/tensorflow/tensorboard/tensorboard.py?--logdir=output/

11

運行成功后，會顯示：

(You?can?navigate?to?http://XXX.XXX.XXX.XXX:6006)

11

然后在瀏覽器中輸入這個地址即可。

注意?
IE以及低版本的Chrome都對TensorBoard不兼容（firefox據(jù)說也不好用），會出現(xiàn)白屏或者點開loss圖沒有內(nèi)容的情況。因為用的臺式電腦，之前用的人裝了360，我也就繼續(xù)用了，結(jié)果在這里糾結(jié)了很久……

行了，這就成功了~

現(xiàn)在越學(xué)越覺得TensorFlow復(fù)雜了。。