为什么80%的码农都做不了架构师?>>>
原文链接 : https://www.tensorflow.org/get_started/summaries_and_tensorboard
译文链接 : http://www.apache.wiki/pages/viewpage.action?pageId=10029491
贡献者 : 片刻 ApacheCN Apache中文网
您使用TensorFlow的计算 - 像训练一个巨大的深层神经网络 - 可能是复杂和混乱的。为了更容易理解,调试和优化TensorFlow程序,我们提供了一套名为TensorBoard的可视化工具。您可以使用TensorBoard可视化您的TensorFlow图形,绘制关于图形执行的定量指标,并显示其他数据,如通过它的图像。当TensorBoard完全配置后,它看起来像这样:
本教程旨在让您开始使用简单的TensorBoard用法。还有其他资源可用!该TensorBoard README 对TensorBoard使用了大量的信息,包括提示和技巧,和调试信息。
<iframe width="412" height="232" src="https://www.youtube.com/embed/eBbEDRsCmv4?ecver=1" frameborder="0" allowfullscreen></iframe>
序列化数据
TensorBoard通过读取TensorFlow事件文件来操作,该文件包含在运行TensorFlow时可以生成的摘要数据。以下是TensorBoard中摘要数据的一般生命周期。
首先,创建要收集摘要数据的TensorFlow图,并确定要使用汇总操作注释哪些节点 。
例如,假设您正在训练用于识别MNIST数字的卷积神经网络。您想记录学习速度随时间变化的方式,以及目标函数的变化。通过将tf.summary.scalar
操作附加到分别输出学习速率和丢失的节点来收集这些数据。然后,给每scalar_summary
一个有意义的tag
,喜欢'learning rate'
或'loss function'
。
也许您也希望可视化特定层次的激活分布,或梯度或重量的分布。通过将tf.summary.histogram
操作附加到渐变输出和分别保存权重的变量来收集此数据 。
有关可用的所有摘要操作的详细信息,请查看摘要操作的文档 。
TensorFlow中的操作在运行它们之前不执行任何操作,或者取决于其输出的操作。而我们刚刚创建的汇总节点是图形的外围设备:您当前运行的操作不依赖于它们。因此,为了生成摘要,我们需要运行所有这些汇总节点。手工管理它们将是乏味的,所以使用 tf.summary.merge_all
它们将它们组合成一个单一的操作,生成所有的摘要数据。
然后,您可以运行合并的摘要操作,这将Summary
在给定步骤中生成一个序列化的protobuf对象,其中 包含所有摘要数据。最后,要将此摘要数据写入磁盘,请将摘要protobuf传递给 tf.summary.FileWriter
。
将FileWriter
在其构造需要LOGDIR -这LOGDIR是非常重要的,它是在所有的事件都将被写出的目录。此外,FileWriter
可以选择Graph
在其构造函数中。如果它接收到一个Graph
对象,那么TensorBoard会将您的图形与张量形状信息一起显示。这将使您更好地了解流经图形的内容:请参阅 张量形状信息。
现在您已经修改了图表,并且已经FileWriter
准备好开始运行网络了!如果需要,您可以每一步运行合并摘要,并记录大量的培训数据。尽管如此,这可能比您需要更多的数据。相反,考虑在n
步骤中运行合并的摘要。
下面的代码示例是 简单的MNIST教程的修改,其中我们添加了一些摘要操作,并且每十个步骤运行它们。如果你运行这个然后启动tensorboard --logdir=/tmp/mnist_logs
,你将能够可视化的统计数据,比如在训练过程中权重或准确性如何变化。下面的代码是摘录; 全部来源在 这里。
|
在我们初始化之后FileWriters,我们必须在FileWriters我们训练和测试模型时添加摘要 。
|
现在,您可以使用TensorBoard来显示此数据。
启动TensorBoard
要运行TensorBoard,请使用以下命令(可选python -m tensorflow.tensorboard
)
|
其中logdir
指向其FileWriter
序列化其数据的目录。如果此logdir
目录包含从单独运行中包含序列化数据的子目录,则TensorBoard将可视化所有这些运行中的数据。一旦TensorBoard运行,浏览您的网页浏览器localhost:6006
来查看TensorBoard。
查看TensorBoard时,您会看到右上角的导航标签。每个选项卡表示可以可视化的一组序列化数据。
有关如何使用图形选项卡可视化图形的深入信息,请参阅TensorBoard:图形可视化。
有关TensorBoard的更多使用信息,请参阅TensorBoard README。