1.用try...except...避免因版本不同出现导入错误问题
|
1
2
3
4
5
6
7
8
9
10
11
12
|
try: image_summary = tf.image_summary scalar_summary = tf.scalar_summary histogram_summary = tf.histogram_summary merge_summary = tf.merge_summary SummaryWriter = tf.train.SummaryWriterexcept: image_summary = tf.summary.image scalar_summary = tf.summary.scalar histogram_summary = tf.summary.histogram merge_summary = tf.summary.merge SummaryWriter = tf.summary.FileWriter |
2.将代码写入作用域（作用域不影响代码的运行）
|
1
2
3
4
5
6
7
|
with tf.name_scope('loss'): loss = -tf.reduce_sum(y * tf.log(y_conv)) loss_summary = scalar_summary('loss', loss) with tf.name_scope('accuracy'): accuracy = tf.reduce_mean(tf.cast(correct_prediction, 'float')) acc_summary = scalar_summary('accuracy', accuracy) |
3.将要保存的变量存在一起
另外可使用 tf.merge_all_summaries() 或者 tf.summary.merge_all()
|
1
|
merged = merge_summary([loss_summary, acc_summary]) |
4.定义保存路径（在sess中完成）
|
1
|
writer = SummaryWriter('save-cnn20/logs', sess.graph) |
5.训练模型的同时训练变量集合merged（在sess中完成，counter为计数，每训练一次增加1）
|
1
2
3
|
summary, _ = sess.run([merged, train_step], feed_dict={x:x_batch, y:y_batch})counter += 1writer.add_summary(summary, counter) |
6.训练完成后在 save/logs 文件夹里面会有一个events.out.开头的文件，以下通过终端操作。
|
1
2
|
cd savetensorboard --logdir=logs |
终端会出现一个网址，复制到浏览器中打开就能看见tensorboard储存的图像了。（若打开后无数据或图像，检查 --logdir后面的文件夹名字是否给错了。)
以上这篇使用tensorboard可视化loss和acc的实例就是小编分享给大家的全部内容了，希望能给大家一个参考，也希望大家多多支持服务器之家。
原文链接：https://blog.csdn.net/weixin_39674098/article/details/79242073
