1.用try...except...避免因版本不同出现导入错误问题 try: image_summary = tf.image_summary scalar_summary = tf.scalar_summary histogram_summary = tf.histogram_summary merge_summary = tf.merge_summary SummaryWriter = tf.train.Su
1.用try...except...避免因版本不同出现导入错误问题
try: image_summary = tf.image_summary scalar_summary = tf.scalar_summary histogram_summary = tf.histogram_summary merge_summary = tf.merge_summary SummaryWriter = tf.train.SummaryWriter except: 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）
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()
merged = merge_summary([loss_summary, acc_summary])
4.定义保存路径（在sess中完成）
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）
summary, _ = sess.run([merged, train_step], feed_dict={x:x_batch, y:y_batch})
counter += 1
writer.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。
cd save tensorboard --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易盾网络。