总结如何在Tensorflow中使用

　　介绍

这篇文章将为大家详细讲解有关总结如何在Tensorflow中使用,文章内容质量较高,因此小编分享给大家做个参考,希望大家阅读完这篇文章后对相关知识有一定的了解。

<强> 1,tf.summary。标量

用来显示标量信息,其格式为:

tf.summary.scalar(标签、,值,集合=没有,name=None)

例如:tf.summary.scalar(& # 39;意味着# 39;,意味着)

一般在画损失,accuary时会用到这个函数。

<强> 2,tf.summary。直方图

用来显示直方图信息,其格式为:

tf.summary.histogram(标签、,值,集合=没有,name=None)

例如:tf.summary.histogram(& # 39;直方图# 39;var)
一般用来显示训练过程中变量的分布情况

<强> 3,tf.summary.distribution
分布图,一般用于显示权重分布

<强> 4,tf.summary。文本
可以将文本类型的数据转换为张量写入总结中:

例如:

text =,“““/a/b/c \ \ _d/f \ \ _g \ \ _h \ \ _2017"““ 　　summary_op0 =, tf.summary.text(& # 39;文本# 39;,,tf.convert_to_tensor(文本)

<强> 5,tf.summary。图片

输出带图像的probuf,汇总数据的图像的的形式如下:& # 39;标签/图像/0 & # 39;& # 39;标签/图像/1 & # 39;…,如:输入/图像/0等。

格式:tf.summary。图像(标签,张量,max_images=3,集合=None, name=非

<强> 6,tf.summary.audio

展示训练过程中记录的音频

<强> 7,tf.summary。merge_all

merge_all可以将所有总结全部保存到磁盘,以便tensorboard显示。如果没有特殊要求,一般用这一句就可一显示训练时的各种信息了。

格式:tf.summaries.merge_all(关键=& # 39;总结# 39;)

<强> 8日tf.summary.FileWriter

指定一个文件用来保存图。

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

可以调用其add_summary()方法将训练过程数据保存在filewriter指定的文件中

Tensorflow总结用法示例:

tf.summary.scalar(& # 39;准确性# 39;,acc),,,,,,,,,, #生成准确率标量图, 　　时间=merge_summary  tf.summary.merge_all (), 　　时间=train_writer  tf.summary.FileWriter (dir sess.graph) #定义一个写入总结的目标文件,dir为写入文件地址, 　　……(交叉熵,优化器等定义), 　　for  step 拷贝xrange (training_step):,,,,,,,,, #训练循环, 　　时间=train_summary 才能;sess.run (merge_summary feed_dict =,{…}) #调用sess.run运行图,生成一步的训练过程数据, 　　train_writer.add_summary才能(train_summary一步)#调用train_writer的add_summary方法将训练过程以及训练步数保存

此时开启tensorborad:

tensorboard ——logdir=/summary_dir

便能看见准确性曲线了。

另外,如果我不想保存所有定义的总结信息,也可以用tf.summary.merge方法有选择性地保存信息:

<强> 9日tf.summary.merge

格式:tf.summary。合并(输入、集合=没有名字=None)

一般选择要保存的信息还需要用到tf.get_collection()函数

示例:

tf.summary.scalar(& # 39;准确性# 39;,acc),,,,,,,,,, #生成准确率标量图, 　　时间=merge_summary  tf.summary.merge ([tf.get_collection (tf.GraphKeys.SUMMARIES & # 39;准确性# 39;),……(其他要显示的信息))), 　　时间=train_writer  tf.summary.FileWriter (dir sess.graph) #定义一个写入总结的目标文件,dir为写入文件地址, 　　……(交叉熵,优化器等定义), 　　for  step 拷贝xrange (training_step):,,,,,,,,, #训练循环, 　　时间=train_summary 才能;sess.run (merge_summary feed_dict =,{…}) #调用sess.run运行图,生成一步的训练过程数据, 　　train_writer.add_summary才能(train_summary一步)#调用train_writer的add_summary方法将训练过程以及训练步数保存

使用tf.get_collection函数筛选图中总结信息中精度的信息,这里的

tf.GraphKeys.SUMMARIES 是在集合中总结的标志。

当然,也可以直接:

acc_summary =, tf.summary.scalar(& # 39;准确性# 39;,acc),,,,,,,,,, #生成准确率标量图, 　　merge_summary =, tf.summary.merge ([acc_summary ……(其他要显示的信息)]),#这里的[]不可省

关于总结如何在Tensorflow中使用就分享到这里了,希望以上内容可以对大家有一定的帮助,可以学到更多知识。如果觉得文章不错,可以把它分享出去让更多的人看的到。

总结如何在Tensorflow中使用