一、TensorBoard可視化學(xué)習(xí)

1、TensorFlow有一個(gè)亮點(diǎn)就是，我們能看到自己寫的程序的可視化效果，這個(gè)功能就是TensorBoard

2、TensorFlow可用于訓(xùn)練大規(guī)模深度神經(jīng)網(wǎng)絡(luò)所需的計(jì)算，使用該工具涉及的計(jì)算往往復(fù)雜而深?yuàn)W。為了方便TensorFlow程序的理解、調(diào)試和優(yōu)化，TensorFlow提供了TensorBoard可視化工具

二、實(shí)現(xiàn)程序可視化過程

1、數(shù)據(jù)序列化
TensorBoard通過讀取TensorFlow的事件文件來(lái)運(yùn)行，需要將數(shù)據(jù)生成一個(gè)序列化的summary protobuf對(duì)象
將圖序列化到本地events文件，這將在指定目錄中生成一個(gè)events文件，其名稱格式如下：
events.out.tfevents.{timestamp}.{hostname}

2、將可視化的圖寫入事件文件中API

（1）1.x版本：
tf.summary.FileWriter(path, graph=)
說明：
path：路徑
graph：指定的圖

（2）2.x版本：
writer = tf.summary.create_file_writer(path)
說明：創(chuàng)建一個(gè)文件寫入器writer
path：路徑

tf.summary.graph(graph)
說明：寫入圖

3、啟動(dòng)TensorBoard
終端輸入：
tensorboard --logdir="事件文件的地址"
在瀏覽器中打開TensorBoard的圖頁(yè)面http://127.0.0.1:6006，就會(huì)看到圖了

4、修改代碼

import os
os.environ['TF_CPP_MIN_LOG_LEVEL']='2'
import tensorflow as tf

def tensorflow_demo():
    """
    TensorFlow的基本結(jié)構(gòu)
    """

    # TensorFlow實(shí)現(xiàn)加減法運(yùn)算
    a_t = tf.constant(2)
    b_t = tf.constant(3)
    c_t = a_t + b_t
    print("TensorFlow加法運(yùn)算結(jié)果：\n", c_t)
    print(c_t.numpy())

    # 2.0版本不需要開啟會(huì)話，已經(jīng)沒有會(huì)話模塊了

    return None

def graph_demo():
    """
    圖的演示
    """
    # TensorFlow實(shí)現(xiàn)加減法運(yùn)算
    a_t = tf.constant(2)
    b_t = tf.constant(3)
    c_t = a_t + b_t
    print("TensorFlow加法運(yùn)算結(jié)果：\n", c_t)
    print(c_t.numpy())

    # 查看默認(rèn)圖
    # 方法1：調(diào)用方法
    default_g = tf.compat.v1.get_default_graph()
    print("default_g：\n", default_g)

    # 方法2：查看屬性
    # print("a_t的圖屬性：\n", a_t.graph)
    # print("c_t的圖屬性：\n", c_t.graph)

    # 自定義圖
    new_g = tf.Graph()
    # 在自己的圖中定義數(shù)據(jù)和操作
    with new_g.as_default():
        a_new = tf.constant(20)
        b_new = tf.constant(30)
        c_new = a_new + b_new
        print("c_new：\n", c_new)
        print("a_new的圖屬性：\n", a_new.graph)
        print("b_new的圖屬性：\n", b_new.graph)

    # 開啟new_g的會(huì)話
    with tf.compat.v1.Session(graph=new_g) as sess:
        c_new_value = sess.run(c_new)
        print("c_new_value：\n", c_new_value)
        print("我們自己創(chuàng)建的圖為：\n", sess.graph)

    # 可視化自定義圖
    # 1）創(chuàng)建一個(gè)文件寫入器writer
    writer = tf.summary.create_file_writer("./tmp/summary")
    # 2）將圖寫入
    with writer.as_default():
        tf.summary.graph(new_g)

    return None

if __name__ == "__main__":
    # 代碼1：TensorFlow的基本結(jié)構(gòu)
    # tensorflow_demo()
    # 代碼2：圖的演示
    graph_demo()

運(yùn)行之后生成：./tmp/summary/events.out.tfevents.1708140220.server001.26046.0.v2

5、運(yùn)行tensorboard

tensorboard --bind_all --logdir="./tmp/summary"

訪問http://127.0.0.1:6006

6、圖例說明
將“Auto-extract high-degree nodes”選項(xiàng)去除

圖例就不是兩個(gè)三角重疊在一起了

橢圓是OpNode，小圓是Constant，箭頭是數(shù)據(jù)流動(dòng)

參考資料：
https://tensorflow.google.cn/versions/r2.6/api_docs/python/tf/summary/graph文章來(lái)源地址http://www.zghlxwxcb.cn/news/detail-834124.html

到了這里，關(guān)于深度學(xué)習(xí)基礎(chǔ)之《TensorFlow框架（3）—TensorBoard》的文章就介紹完了。如果您還想了解更多內(nèi)容，請(qǐng)?jiān)谟疑辖撬阉鱐OY模板網(wǎng)以前的文章或繼續(xù)瀏覽下面的相關(guān)文章，希望大家以后多多支持TOY模板網(wǎng)！