tensorboard的学习使用--人工智能技术网

新的算法理论不断涌现的同时，各种深度学习框架也不断出现在人们视野，比如Torch，Caffe等等。TensorFlow是Google开发的第二代机器学习系统，于2015年底开源，成为了新一代流行的机器学习的算法框架。这一章节我们将介绍如何使用tensorboard来可视化tensorflow构建的网络运行过程。
tensorboard

tensorboard是TensorFlow的一个可视化工具，能够监控TensorFlow运行过程中的计算图，各种指标随着时间的变化趋势以及训练中使用到的图像等信息。

功能

1.Event: 展示训练过程中的统计数据（最值，均值等）变化情况
2.Image: 展示训练过程中记录的图像
3.Audio: 展示训练过程中记录的音频
4.Histogram: 展示训练过程中记录的数据的分布图

原理

1.在运行过程中，记录结构化的数据
2.运行一个本地服务器，监听6006端口
3.请求时，分析记录的数据，绘制

实例

import tensorflow as tf with tf.name_scope('graph') as scope: matrix1 = tf.constant([[3., 3.]],name ='matrix1') #1 row by 2 column matrix2 = tf.constant([[2.],[2.]],name ='matrix2') # 2 row by 1 column product = tf.matmul(matrix1, matrix2,name='product') sess = tf.Session() writer = tf.summary.FileWriter("logs", sess.graph) init = tf.global_variables_initializer() sess.run(init)

之后在Anaconda Prompt中激活tensorflow,输入tensorboard –logdir =E:\tensorflow\logs

打开谷歌浏览器输入其中提示的地址，如：http://DESKTOP-1J9NFTH:6006
发现出现了下面的情况。

可以发现，找不到graph，通过查找资料，发现是路径的原因。我们必须给logdir一个明确的路径定义。
所以