09 使用Tensorboard查看训练过程

打开Python Shell，执行以下代码：

import tensorflow as tf

import numpy as np

#输入数据

x_data = np.linspace(-1,1,300)[:, np.newaxis]

noise = np.random.normal(0,0.05, x_data.shape)

y_data = np.square(x_data)-0.5+noise

#输入层

with tf.name_scope('input_layer'): #输入层。将这两个变量放到input_layer作用域下，tensorboard会把他们放在一个图形里面

    xs = tf.placeholder(tf.float32, [None, 1], name = 'x_input') # xs起名x_input，会在图形上显示

    ys = tf.placeholder(tf.float32, [None, 1], name = 'y_input') # ys起名y_input，会在图形上显示

#隐层

with tf.name_scope('hidden_layer'): #隐层。将隐层权重、偏置、净输入放在一起

    with tf.name_scope('weight'): #权重

        W1 = tf.Variable(tf.random_normal([1,10]))

        tf.summary.histogram('hidden_layer/weight', W1)

    with tf.name_scope('bias'): #偏置

        b1 = tf.Variable(tf.zeros([1,10])+0.1)

        tf.summary.histogram('hidden_layer/bias', b1)

    with tf.name_scope('Wx_plus_b'): #净输入

        Wx_plus_b1 = tf.matmul(xs,W1) + b1

        tf.summary.histogram('hidden_layer/Wx_plus_b',Wx_plus_b1)

output1 = tf.nn.relu(Wx_plus_b1)

#输出层

with tf.name_scope('output_layer'): #输出层。将输出层权重、偏置、净输入放在一起

    with tf.name_scope('weight'): #权重

        W2 = tf.Variable(tf.random_normal([10,1]))

        tf.summary.histogram('output_layer/weight', W2)

    with tf.name_scope('bias'): #偏置

        b2 = tf.Variable(tf.zeros([1,1])+0.1)

        tf.summary.histogram('output_layer/bias', b2)

    with tf.name_scope('Wx_plus_b'): #净输入

        Wx_plus_b2 = tf.matmul(output1,W2) + b2

        tf.summary.histogram('output_layer/Wx_plus_b',Wx_plus_b2)

output2 = Wx_plus_b2

#损失

with tf.name_scope('loss'): #损失

    loss = tf.reduce_mean(tf.reduce_sum(tf.square(ys-output2),reduction_indices=[1]))

    tf.summary.scalar('loss',loss)

with tf.name_scope('train'): #训练过程

    train_step = tf.train.GradientDescentOptimizer(0.1).minimize(loss)

#初始化

init = tf.global_variables_initializer()

sess = tf.Session()

sess.run(init)

merged = tf.summary.merge_all() #将图形、训练过程等数据合并在一起

writer = tf.summary.FileWriter('logs',sess.graph) #将训练日志写入到logs文件夹下

#训练

for i in range(1000):

    sess.run(train_step,feed_dict={xs:x_data,ys:y_data})

    if(i%50==0): #每50次写一次日志

        result = sess.run(merged,feed_dict={xs:x_data,ys:y_data}) #计算需要写入的日志数据

        writer.add_summary(result,i) #将日志数据写入文件
        

执行上述代码，会在“当前路径/logs”目录下生成一个events.out.tfevents.{time}.{machine-name}的文件。在当前目录新建“查看训练过程.bat”，里面输入。

tensorboard --logdir=logs

执行上述bat文件，打开浏览器，输入地址：http://localhost:6006，就可以查看训练过程中的各种图形。

    重要提示：请不要用中文命名目录，中文目录中看不到任何图形。这个问题困扰了我一周！！！