深度學(xué)習(xí)（33）隨機(jī)梯度下降十一: TensorBoard可視化

• Step1. run listener
• Step2. build summary
• Step3.1 fed scalar（監(jiān)聽(tīng)標(biāo)量）
• Step3.2 fed single Image（監(jiān)聽(tīng)單張圖片）
• Step3.3 fed multi-images（監(jiān)聽(tīng)多張圖片）
• Step3.4 將多張圖片組合為一張圖片:

TensorBoard

• Installation
• Curves
• Image Visualization
  Installation

pip install tensorboard

Principle

• Listen logdir
  監(jiān)聽(tīng)目錄
• build summary instance
  新建一個(gè)日志
• fed data into summary instance
  將數(shù)據(jù)送入日志

Step1. run listener

進(jìn)入需要監(jiān)聽(tīng)的文件夾

cd /Users/xuruihang/Documents/深度學(xué)習(xí)

啟動(dòng)

tensorboard –logdir logs

如圖所示:

進(jìn)入http://localhost:6006/，如圖所示:

Step2. build summary

current_time = datetime.datetime.now().strftime(“%Y%m%d-%H%M%S”) log_dir = ‘logs/’ + current_time summary_writer = tf.summary.create_file_writer(log_dir)

其中，log_dir為監(jiān)聽(tīng)文件的路徑。

Step3.1 fed scalar（監(jiān)聽(tīng)標(biāo)量）

with summary_writer.as_default():tf.summary.scalar(‘loss’, float(loss), step=epoch) tf.summary.scalar(‘a(chǎn)ccuracy’, float(train_accuracy), step=epoch)

其中，step默認(rèn)為x軸。

Step3.2 fed single Image（監(jiān)聽(tīng)單張圖片）

# get x from (x,y) sample_img = next(iter(db))[0] # get first image instance sample_img = sample_img[0] sample_img = tf.reshape(sample_img, [1, 28, 28, 1]) with summary_writer.as_default():tf.summary.image(“Training sample:”, sample_img, step=0)

如圖所示:

Step3.3 fed multi-images（監(jiān)聽(tīng)多張圖片）

val_images = x[:25] val_images = tf.reshape(val_images, [-1, 28, 28, 1]) with summary_writer.as_default():tf.summary.scalar(‘test-acc’, float(loss), step=step)tf.summary.image(“val-onebyone-images:”, val_images, max_outputs=25, step=step)

如圖所示:

Step3.4 將多張圖片組合為一張圖片:

val_images = tf.reshape(val_images, [-1, 28, 28]) figure = image_grid(val_images) tf.summary.image(‘val-images:’, plot_to_image(figure), step=step)

如圖所示:

參考文獻(xiàn):
[1] 龍良曲:《深度學(xué)習(xí)與TensorFlow2入門實(shí)戰(zhàn)》

總結(jié)

以上是生活随笔為你收集整理的深度学习（33）随机梯度下降十一: TensorBoard可视化的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問(wèn)題。

如果覺(jué)得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。