使用tensorboard可視化loss和acc的實(shí)例
1.用try...except...避免因版本不同出現(xiàn)導(dǎo)入錯(cuò)誤問(wèn)題
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.將代碼寫(xiě)入作用域（作用域不影響代碼的運(yùn)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.將要保存的變量存在一起
另外可使用 tf.merge_all_summaries() 或者 tf.summary.merge_all()
merged = merge_summary([loss_summary, acc_summary])
4.定義保存路徑（在sess中完成）
writer = SummaryWriter('save-cnn20/logs', sess.graph)
5.訓(xùn)練模型的同時(shí)訓(xùn)練變量集合merged（在sess中完成，counter為計(jì)數(shù)，每訓(xùn)練一次增加1）
summary, _ = sess.run([merged, train_step], feed_dict={x:x_batch, y:y_batch})
counter += 1
writer.add_summary(summary, counter)
6.訓(xùn)練完成后在 save/logs 文件夾里面會(huì)有一個(gè)events.out.開(kāi)頭的文件，以下通過(guò)終端操作。
cd save tensorboard --logdir=logs
終端會(huì)出現(xiàn)一個(gè)網(wǎng)址，復(fù)制到瀏覽器中打開(kāi)就能看見(jiàn)tensorboard儲(chǔ)存的圖像了。（若打開(kāi)后無(wú)數(shù)據(jù)或圖像，檢查 --logdir后面的文件夾名字是否給錯(cuò)了。)
以上這篇使用tensorboard可視化loss和acc的實(shí)例就是小編分享給大家的全部?jī)?nèi)容了，希望能給大家一個(gè)參考，也希望大家多多支持腳本之家。
相關(guān)文章
Python matplotlib圖例放在外側(cè)保存時(shí)顯示不完整問(wèn)題解決
這篇文章主要介紹了Python matplotlib圖例放在外側(cè)保存時(shí)顯示不完整問(wèn)題解決，文中通過(guò)示例代碼介紹的非常詳細(xì)，對(duì)大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值，需要的朋友們下面隨著小編來(lái)一起學(xué)習(xí)學(xué)習(xí)吧2020-07-07
python 如何利用argparse解析命令行參數(shù)
這篇文章主要介紹了python 利用argparse解析命令行參數(shù)的步驟，幫助大家更好的理解和學(xué)習(xí)python，感興趣的朋友可以了解下2020-09-09
這篇文章主要介紹了Python中的字典合并與列表合并技巧，下文圍繞主題展開(kāi)詳細(xì)的內(nèi)容介紹，具有一的的參考價(jià)值，需要的小伙伴可以參考一下2022-05-05
這篇文章主要介紹了Python裝飾器使用接口測(cè)試的步驟,本文通過(guò)具體示例給大家講解的非常詳細(xì)，對(duì)大家的學(xué)習(xí)或工作具有一定的參考借鑒價(jià)值，需要的朋友可以參考下2022-05-05
如何使用?profile?進(jìn)行python代碼性能分析
對(duì)代碼優(yōu)化的前提是需要了解性能瓶頸在什么地方,程序運(yùn)行的主要時(shí)間是消耗在哪里,對(duì)于比較復(fù)雜的代碼可以借助一些工具來(lái)定位,python?內(nèi)置了豐富的性能分析工具,本文介紹如何使用profile進(jìn)行python代碼性能分析,感興趣的朋友一起看看吧2024-12-12
本文主要介紹了Python中torch.norm()用法解析，文中通過(guò)示例代碼介紹的非常詳細(xì)，對(duì)大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值，需要的朋友們下面隨著小編來(lái)一起學(xué)習(xí)學(xué)習(xí)吧2023-03-03
python實(shí)現(xiàn)數(shù)字炸彈游戲
這篇文章主要為大家詳細(xì)介紹了python實(shí)現(xiàn)數(shù)字炸彈游戲，文中示例代碼介紹的非常詳細(xì)，具有一定的參考價(jià)值，感興趣的小伙伴們可以參考一下2020-07-07
Python threading Local()函數(shù)用法案例詳解
這篇文章主要介紹了Python threading Local()函數(shù)用法案例詳解,本篇文章通過(guò)簡(jiǎn)要的案例,講解了該項(xiàng)技術(shù)的了解與使用,以下就是詳細(xì)內(nèi)容,需要的朋友可以參考下2021-09-09
關(guān)于Pytorch的MNIST數(shù)據(jù)集的預(yù)處理詳解
今天小編就為大家分享一篇關(guān)于Pytorch的MNIST數(shù)據(jù)集的預(yù)處理詳解，具有很好的參考價(jià)值，希望對(duì)大家有所幫助。一起跟隨小編過(guò)來(lái)看看吧2020-01-01
今天小編就為大家分享一篇pyqt 多窗口之間的相互調(diào)用方法，具有很好的參考價(jià)值，希望對(duì)大家有所幫助。一起跟隨小編過(guò)來(lái)看看吧2019-06-06