這篇文章將為大家詳細(xì)講解有關(guān)Tensorflow中Summary如何使用，文章內(nèi)容質(zhì)量較高，因此小編分享給大家做個(gè)參考，希望大家閱讀完這篇文章后對(duì)相關(guān)知識(shí)有一定的了解。

成都創(chuàng)新互聯(lián)是一家集網(wǎng)站建設(shè),友好企業(yè)網(wǎng)站建設(shè),友好品牌網(wǎng)站建設(shè),網(wǎng)站定制,友好網(wǎng)站建設(shè)報(bào)價(jià),網(wǎng)絡(luò)營(yíng)銷,網(wǎng)絡(luò)優(yōu)化,友好網(wǎng)站推廣為一體的創(chuàng)新建站企業(yè)，幫助傳統(tǒng)企業(yè)提升企業(yè)形象加強(qiáng)企業(yè)競(jìng)爭(zhēng)力。可充分滿足這一群體相比中小企業(yè)更為豐富、高端、多元的互聯(lián)網(wǎng)需求。同時(shí)我們時(shí)刻保持專業(yè)、時(shí)尚、前沿，時(shí)刻以成就客戶成長(zhǎng)自我，堅(jiān)持不斷學(xué)習(xí)、思考、沉淀、凈化自己，讓我們?yōu)楦嗟钠髽I(yè)打造出實(shí)用型網(wǎng)站。

1、tf.summary.scalar

用來(lái)顯示標(biāo)量信息，其格式為：

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

例如：tf.summary.scalar('mean', mean)

一般在畫(huà)loss,accuary時(shí)會(huì)用到這個(gè)函數(shù)。

2、tf.summary.histogram

用來(lái)顯示直方圖信息，其格式為：

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

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

一般用來(lái)顯示訓(xùn)練過(guò)程中變量的分布情況

3、tf.summary.distribution

分布圖，一般用于顯示weights分布

4、tf.summary.text

可以將文本類型的數(shù)據(jù)轉(zhuǎn)換為tensor寫(xiě)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))

5、tf.summary.image

輸出帶圖像的probuf，匯總數(shù)據(jù)的圖像的的形式如下： ' 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(xùn)練過(guò)程中記錄的音頻 

7、tf.summary.merge_all

merge_all 可以將所有summary全部保存到磁盤(pán)，以便tensorboard顯示。如果沒(méi)有特殊要求，一般用這一句就可一顯示訓(xùn)練時(shí)的各種信息了。

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

8、tf.summary.FileWriter

指定一個(gè)文件用來(lái)保存圖。

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

可以調(diào)用其add_summary（）方法將訓(xùn)練過(guò)程數(shù)據(jù)保存在filewriter指定的文件中

Tensorflow Summary 用法示例:

tf.summary.scalar('accuracy',acc)                   #生成準(zhǔn)確率標(biāo)量圖  
merge_summary = tf.summary.merge_all()  
train_writer = tf.summary.FileWriter(dir,sess.graph)#定義一個(gè)寫(xiě)入summary的目標(biāo)文件，dir為寫(xiě)入文件地址  
......(交叉熵、優(yōu)化器等定義)  
for step in xrange(training_step):                  #訓(xùn)練循環(huán)  
    train_summary = sess.run(merge_summary,feed_dict =  {...})#調(diào)用sess.run運(yùn)行圖，生成一步的訓(xùn)練過(guò)程數(shù)據(jù)  
    train_writer.add_summary(train_summary,step)#調(diào)用train_writer的add_summary方法將訓(xùn)練過(guò)程以及訓(xùn)練步數(shù)保存

此時(shí)開(kāi)啟tensorborad：

1. tensorboard --logdir=/summary_dir 

便能看見(jiàn)accuracy曲線了。

另外，如果我不想保存所有定義的summary信息，也可以用tf.summary.merge方法有選擇性地保存信息：

9、tf.summary.merge

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

一般選擇要保存的信息還需要用到tf.get_collection()函數(shù)

示例：

tf.summary.scalar('accuracy',acc)                   #生成準(zhǔn)確率標(biāo)量圖  
merge_summary = tf.summary.merge([tf.get_collection(tf.GraphKeys.SUMMARIES,'accuracy'),...(其他要顯示的信息)])  
train_writer = tf.summary.FileWriter(dir,sess.graph)#定義一個(gè)寫(xiě)入summary的目標(biāo)文件，dir為寫(xiě)入文件地址  
......(交叉熵、優(yōu)化器等定義)  
for step in xrange(training_step):                  #訓(xùn)練循環(huán)  
    train_summary = sess.run(merge_summary,feed_dict =  {...})#調(diào)用sess.run運(yùn)行圖，生成一步的訓(xùn)練過(guò)程數(shù)據(jù)  
    train_writer.add_summary(train_summary,step)#調(diào)用train_writer的add_summary方法將訓(xùn)練過(guò)程以及訓(xùn)練步數(shù)保存

使用tf.get_collection函數(shù)篩選圖中summary信息中的accuracy信息，這里的

tf.GraphKeys.SUMMARIES  是summary在collection中的標(biāo)志。

當(dāng)然，也可以直接：

acc_summary = tf.summary.scalar('accuracy',acc)                   #生成準(zhǔn)確率標(biāo)量圖  
merge_summary = tf.summary.merge([acc_summary ,...(其他要顯示的信息)])  #這里的[]不可省

關(guān)于Tensorflow中Summary如何使用就分享到這里了，希望以上內(nèi)容可以對(duì)大家有一定的幫助，可以學(xué)到更多知識(shí)。如果覺(jué)得文章不錯(cuò)，可以把它分享出去讓更多的人看到。

分享文章：Tensorflow中Summary如何使用
分享地址：http://jinyejixie.com/article16/peoidg.html

成都網(wǎng)站建設(shè)公司_創(chuàng)新互聯(lián)，為您提供移動(dòng)網(wǎng)站建設(shè)、全網(wǎng)營(yíng)銷推廣、搜索引擎優(yōu)化、企業(yè)網(wǎng)站制作、Google、網(wǎng)站排名

廣告

聲明：本網(wǎng)站發(fā)布的內(nèi)容（圖片、視頻和文字）以用戶投稿、用戶轉(zhuǎn)載內(nèi)容為主，如果涉及侵權(quán)請(qǐng)盡快告知，我們將會(huì)在第一時(shí)間刪除。文章觀點(diǎn)不代表本網(wǎng)站立場(chǎng)，如需處理請(qǐng)聯(lián)系客服。電話：028-86922220；郵箱：631063699@qq.com。內(nèi)容未經(jīng)允許不得轉(zhuǎn)載，或轉(zhuǎn)載時(shí)需注明來(lái)源： 創(chuàng)新互聯(lián)