轉於;https://www.cnblogs.com/lyc-seu/p/8647792.html

Tensorflow學習筆記——tf.ummary用法

        最近在研究tensorflow自帶的例程speech_command,順便學習tensorflow的一些基本用法。

其中tensorboard 作為一款視覺化神器，可以說是學習tensorflow時模型訓練以及引數視覺化的法寶。

而在訓練過程中，主要用到了tf.summary()的各類方法，能夠儲存訓練過程以及引數分佈圖並在tensorboard顯示。

tf.summary有諸多函式：

1、tf.summary.scalar

用來顯示標量資訊，其格式為：

tf.summary.scalar(tags, values, collections=None, name=None)

例如：tf.summary.scalar('mean', mean)

一般在畫loss,accuary時會用到這個函式。

2、tf.summary.histogram

用來顯示直方圖資訊，其格式為：

tf.summary.histogram(tags, values, collections=None, name=None) 

例如： tf.summary.histogram('histogram', var)

一般用來顯示訓練過程中變數的分佈情況

3、tf.summary.distribution

分佈圖，一般用於顯示weights分佈

4、tf.summary.text

可以將文字型別的資料轉換為tensor寫入summary中：

例如：

text = """/a/b/c\\_d/f\\_g\\_h\\_2017"""
summary_op0 = tf.summary.text('text', tf.convert_to_tensor(text))

print(summary_op0)
print(type(summary_op0)) 

輸出：

Tensor("text:0", shape=(), dtype=string)
<class 'tensorflow.python.framework.ops.Tensor'>
 

5、tf.summary.image

輸出帶影象的probuf，彙總資料的影象的的形式如下： ' tag /image/0', ' tag /image/1'...，如：input/image/0等。

格式：tf.summary.image(tag, tensor, max_images=3, collections=None, name=Non

6、tf.summary.audio

展示訓練過程中記錄的音訊 

7、tf.summary.merge_all

merge_all 可以將所有summary全部儲存到磁碟，以便tensorboard顯示。

如果沒有特殊要求，一般用這一句就可一顯示訓練時的各種資訊了。

格式：tf.summaries.merge_all(key='summaries')

8、tf.summary.FileWriter

指定一個檔案用來儲存圖。

格式：tf.summary.FileWritter(path,sess.graph)

可以呼叫其add_summary（）方法將訓練過程資料儲存在filewriter指定的檔案中

Tensorflow Summary 用法示例:

tf.summary.scalar('accuracy',acc)                   #生成準確率標量圖  
merge_summary = tf.summary.merge_all()  
train_writer = tf.summary.FileWriter(dir,sess.graph)#定義一個寫入summary的目標檔案，dir為寫入檔案地址  
......(交叉熵、優化器等定義)  
for step in xrange(training_step):                  #訓練迴圈  
    train_summary = sess.run(merge_summary,feed_dict =  {...})#呼叫sess.run執行圖，生成一步的訓練過程資料  
    train_writer.add_summary(train_summary,step)#呼叫train_writer的add_summary方法將訓練過程以及訓練步數儲存  

此時開啟tensorborad：

1. tensorboard --logdir=/summary_dir 

便能看見accuracy曲線了。

另外，如果我不想儲存所有定義的summary資訊，也可以用tf.summary.merge方法有選擇性地儲存資訊：

9、tf.summary.merge

格式：tf.summary.merge(inputs, collections=None, name=None)

一般選擇要儲存的資訊還需要用到tf.get_collection()函式

示例：

tf.summary.scalar('accuracy',acc)                   #生成準確率標量圖  
merge_summary = tf.summary.merge([tf.get_collection(tf.GraphKeys.SUMMARIES,'accuracy'),...(其他要顯示的資訊)])  
train_writer = tf.summary.FileWriter(dir,sess.graph)#定義一個寫入summary的目標檔案，dir為寫入檔案地址  
......(交叉熵、優化器等定義)  
for step in xrange(training_step):                  #訓練迴圈  
    train_summary = sess.run(merge_summary,feed_dict =  {...})#呼叫sess.run執行圖，生成一步的訓練過程資料  
    train_writer.add_summary(train_summary,step)#呼叫train_writer的add_summary方法將訓練過程以及訓練步數儲存  

使用tf.get_collection函式篩選圖中summary資訊中的accuracy資訊，這裡的

tf.GraphKeys.SUMMARIES  是summary在collection中的標誌。

當然，也可以直接：

acc_summary = tf.summary.scalar('accuracy',acc)                   #生成準確率標量圖  
merge_summary = tf.summary.merge([acc_summary ,...(其他要顯示的資訊)])  #這裡的[]不可省

 如果要在tensorboard中畫多個數據圖，需定義多個tf.summary.FileWriter並重覆上述過程。