TensorBoard简介

Tensorflow发布包中提供了TensorBoard，用于展示Tensorflow任务在计算过程中的Graph、定量指标图以及附加数据。大致的效果如下所示， 

TensorBoard工作机制

TensorBoard 通过读取 TensorFlow 的事件文件来运行。TensorFlow 的事件文件包括了你会在 TensorFlow 运行中涉及到的主要数据。关于TensorBoard的详细介绍请参考TensorBoard:可视化学习。下面做个简单介绍。

Tensorflow的API中提供了一种叫做Summary的操作，用于将Tensorflow计算过程的相关数据序列化成字符串Tensor。例如标量数据的图表scalar_summary或者梯度权重的分布histogram_summary。

通过tf.train.SummaryWriter来将序列化后的Summary数据保存到磁盘指定目录（通过参数logdir指定）。此外，SummaryWriter构造函数还包含了一个可选参数GraphDef，通过指定该参数，可以在TensorBoard中展示Tensorflow中的Graph（如上图所示）。

大致的代码框架如下所示：

merged_summary_op = tf.merge_all_summaries()summary_writer = tf.train.SummaryWriter('/tmp/mnist_logs', sess.graph)total_step = 0while training:  total_step += 1  session.run(training_op)  if total_step % 100 == 0:    summary_str = session.run(merged_summary_op)    summary_writer.add_summary(summary_str, total_step)

# Instantiate a SummaryWriter to output summaries and the Graph.summary_writer = tf.train.SummaryWriter('/opt/tensor', sess.graph)

样例代码准备好了，下面我们如何启动TensorBoard。

Tensorflow官方的Docker镜像tensorflow/tensorflow提供了一个可快速使用Tensorflow的途径。不过该镜像默认启动的是jupyter。我们通过下面命令通过该镜像启动TensorBoard，并且将我们准备好的MNIST样例代码通过volume挂载到容器中。

lienhuadeMacBook-Pro:tensorflow lienhua34$ docker run -d -p 6006:6006 --name=tensorboard -v /Users/lienhua34/Programs/python/tensorflow/tensorflow/examples/tutorials/mnist:/tensorflow/mnist tensorflow/tensorflow tensorboard --logdir=/opt/tensor50eeb7282f60c10ed52d26f34feeb3472cf36d83c546357801c45e14939adf1alienhuadeMacBook-Pro:tensorflow lienhua34$ lienhuadeMacBook-Pro:tensorflow lienhua34$ docker ps -aCONTAINER ID    IMAGE                  COMMAND         CREATED       STATUS          PORTS               NAMES50eeb7282f60    tensorflow/tensorflow          "tensorboard --logdir"  49 minutes ago   Up 4 seconds       0.0.0.0:6006->6006/tcp, 8888/tcp  tensorboard

海外公司注册、海外银行开户、跨境平台代入驻、VAT、EPR等知识和在线办理：https://www.xlkjsw.com

原标题：Tensorflow学习笔记3：TensorBoard可视化学习

关键词：