Summary如何在Tensorflow中使用

這篇文章將為大家詳細講解有關Summary如何在Tensorflow中使用，文章內容質量較高，因此小編分享給大家做個參考，希望大家閱讀完這篇文章后對相關知識有一定的了解。

1、tf.summary.scalar

用來顯示標量信息，其格式為：

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

例如：tf.summary.scalar('mean', mean)

一般在畫loss,accuary時會用到這個函數。

2、tf.summary.histogram

用來顯示直方圖信息，其格式為：

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

例如： tf.summary.histogram('histogram', var)
一般用來顯示訓練過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據轉換為tensor寫入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，匯總數據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

展示訓練過程中記錄的音頻

7、tf.summary.merge_all

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

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

8、tf.summary.FileWriter

指定一個文件用來保存圖。

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

可以調用其add_summary（）方法將訓練過程數據保存在filewriter指定的文件中

Tensorflow Summary 用法示例:

tf.summary.scalar('accuracy',acc)          #生成準確率標量圖 
merge_summary = tf.summary.merge_all() 
train_writer = tf.summary.FileWriter(dir,sess.graph)#定義一個寫入summary的目標文件，dir為寫入文件地址 
......(交叉熵、優化器等定義) 
for step in xrange(training_step):         #訓練循環 
  train_summary = sess.run(merge_summary,feed_dict = {...})#調用sess.run運行圖，生成一步的訓練過程數據 
  train_writer.add_summary(train_summary,step)#調用train_writer的add_summary方法將訓練過程以及訓練步數保存

此時開啟tensorborad：

tensorboard --logdir=/summary_dir

便能看見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

示例：

tf.summary.scalar('accuracy',acc)          #生成準確率標量圖 
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)#定義一個寫入summary的目標文件，dir為寫入文件地址 
......(交叉熵、優化器等定義) 
for step in xrange(training_step):         #訓練循環 
  train_summary = sess.run(merge_summary,feed_dict = {...})#調用sess.run運行圖，生成一步的訓練過程數據 
  train_writer.add_summary(train_summary,step)#調用train_writer的add_summary方法將訓練過程以及訓練步數保存

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

tf.GraphKeys.SUMMARIES  是summary在collection中的標志。

當然，也可以直接：

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

關于Summary如何在Tensorflow中使用就分享到這里了，希望以上內容可以對大家有一定的幫助，可以學到更多知識。如果覺得文章不錯，可以把它分享出去讓更多的人看到。