?

?用法:

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

詳述:

?

?

#collect tensor

tf.summary.scalar('loss',loss)#用于收集一維標量

tf.summary.histogram('weights',W)#用于收集tensor

1. tf.summary.histogram（） 將輸入的一個任意大小和形狀的張量壓縮成一個由寬度和數量組成的直方圖數據結構．假設輸入 [0.5, 1.1, 1.3, 2.2, 2.9, 2.99]，則可以創建三個bin，分別包含0-1之間／1-2之間／2-3之間的所有元素，即三個bin中的元素分別為［0.5］／［1.1，1.3］／［2.2，2.9，2.99］．? 這樣，通過可視化張量在不同時間點的直方圖來顯示某些分布隨時間變化的情況

擴展:

• Summary：所有需要在TensorBoard上展示的統計結果。

• tf.name_scope()：為Graph中的Tensor添加層級，TensorBoard會按照代碼指定的層級進行展示，初始狀態下只繪制最高層級的效果，點擊后可展開層級看到下一層的細節。

• tf.summary.scalar()：添加標量統計結果。

• tf.summary.histogram()：添加任意shape的Tensor，統計這個Tensor的取值分布。

• tf.summary.merge_all()：添加一個操作，代表執行所有summary操作，這樣可以避免人工執行每一個summary op。

• tf.summary.FileWrite：用于將Summary寫入磁盤，需要制定存儲路徑logdir，如果傳遞了Graph對象，則在Graph Visualization會顯示Tensor Shape Information。執行summary op后，將返回結果傳遞給add_summary()方法即可。

總結

以上是生活随笔為你收集整理的tf.summary.scalar()和tf.summary.histogram的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。