下载掌阅APP，畅读海量书库
立即打开
TensorBoard是通过一些操作将数据记录到文件中，然后读取文件来完成作图的，关键的几个步骤如下。
（1）汇总（Summary）：在定义计算图时，在适当的位置加上一些汇总操作。
（2）合并（Merge）：在训练时可能加了多个汇总操作，需要使用 tf.summary.merge_all将这些汇总操作合并成一个操作，由它来产生所有的汇总数据。
（3）运行（Run）：在没有运行时，操作是不会执行的，仅仅是定义了一下，在运行（开始训练）时，需要通过 tf.summary.FileWrite（）指定一个目录，告诉程序把产生的文件放到哪儿，然后在运行时使用add_summary（）来将某一步的汇总数据记录到文件中。
当训练完成后，在命令行使用 tensorboard--logdir=path/to/log-directory 来启动TensorBoard，按照提示在浏览器打开页面，注意把 path/to/log-directory 替换成上述步骤（3）中指定的目录。
典型的TensorFlow图可以拥有成千上万个节点，太多的节点导致无法轻松查看，甚至可以使用标准图形工具进行布局。为了简化，可以限定变量名称，并且可视化工具使用该信息来定义图中节点上的层次结构。默认情况下，仅显示此层次结构的顶部。下面是一个示例，它定义了hidden名称范围内的三个操作：
这将产生以下三个操作名称：hidden/alpha、hidden/weights、hidden/biases，默认情况下，可视化工具将这三个节点全部折叠成标记的节点 hidden。额外的细节不会丢失。可以双击，或者单击右上角“+”展开节点，然后会看到三个子节点 alpha、weights 和biases。这里以一个简单的计算图为实例，如图4-1所示。
图4-1 一个简单的计算图
通过名称域把节点分组得到可读性高的图表是很关键的。在构建一个模型时，名称域可以用来控制可视化结果。名称域越好，可视性就越好。TensorFlow图表有两种连接关系：数据依赖和控制依赖。数据依赖显示两个操作之间的tensor流程，用实心箭头指示；控制依赖用点线表示。在已展开的视图中，除了用点线连接的 CheckNumerics和control_dependency，所有连接都是数据依赖的。其中结构图的符号、名称及意义如表4-1所示。
表4-1 结构图符号、名称及意义
TensorFlow日志生成函数与TensorBoard界面栏的对应关系如表4-2所示。
表4-2 TensorFlow日志生成函数与TensorBoard界面栏的对应关系
TensorBoard使用以tf_events为后缀的文件类型（events文件）来记录训练过程中的各种事件并存储在指定的日志目录中。在该文件中，可以记录与展示以下数据形式。
（1）标量：存储和显示诸如学习率、损失等单个值的变化趋势。
（2）图片：对于输入是图像的模型，显示某一步输入到模型的图像。
（3）音频：显示可播放的音频。
（4）计算图：显示代码中定义的计算图，也可以显示包括每个节点的计算时间、内存使用等情况。
（5）数据分布：显示模型参数随迭代次数的变化情况。
（6）直方图：显示模型参数随迭代次数的变化情况。
（7）嵌入向量：在3D或者2D图中展示高维数据。
（8）文本：显示保存的一小段文字。