Chapter 2.0 TensorBoard 基本教程(GRAPHS,scale，histogram，image）

/

2017年7月3日 增加tensorboard的histogram的说明

/

因为网上找的tensorboard教程都是在比较复杂的网络下应用，而且把几个部分都糅合在一起，对于初学者比较难看懂基本套路。所以本文分成4个部分：

例子 1：只生成 GRAPHS

例子 2：在 1 的基础上生成 scale

例子 3：在 2 的基础上生成 histogram

例子 4：生成 image输入到tensorboard

本小节的例子是建立在一个最简单的线性回归问题上的： y=kx

在预测值上加上高斯噪声，预测k的真实值

这里高斯噪声的方差很小，应该很容易得到 k=2

  graph的优点是很直观的显示每个计算节点之间的关系，这对理解一个网络是很重要的。而要得到这个graph也很简单。

tf中输入输出可以看做node(节点),每一次运算看做一个节点，所以将每一个节点命名可以很方便的建立一个计算图。tfname_scope为限定命名空间，所有这个with下的节点会被自动命名为输入的名称，同时注意到name_scope是可以嵌套的，这样可以将很复杂的网络分解成好几个部分。

实际上如果只是可视化Graph,不需要融合summary。但是一般都还需要记录一些标量，直方图的信息，这时候就需要融合summary

同时就好像init一样，merge是类的方法，需要sess来运行。运行merge将得到所有你定义的输出信息，然后将这些信息写到文件里面去（第三步），就完成啦

结果：

网络的整体视图如下，

每一个大graph里面有小的subgraph可以详细查看（因为嵌套了3次运算，所以loss里面有3个node）

上面的例子中，有两个标量，分别是猜测的k值和loss值。

在一般的dl程序中，至少会有两个标量（loss 和accuracy）

加入标量到tensorboard很简单

1将标量加入summery

2得到summery里面的值，写入文件里面，实际上

执行这个指令可以将所有的summerary都计算出来，然后得到这些数后写进文件里面

3将summary的信息（上面的m_）写入文件里面

效果

显然上面的scale只能输入的是标量，那么假如你想要输入的是高维的信息呢（比如某一隐藏层的输出 ND维度）

1将目标加入histogram中

2运行summarymerge_all()方法得到信息

3写入文件

效果

实际上从上面的3个例子可以看出tensorboard的使用是很简单的

1定义各种命名空间，也就是将各个运算节点用 name_scope包括，就可以统一命名，方便GRAPHS的展示

2定义文件writer来写入各种summary信息。注意writer并不是只能有一个，可以定义两个，一个用来写train的数据，一个用来写test的数据

3将感兴趣的量（标量，多维向量）加入到summary中

4在自己定义的时间点计算这些summary信息: sessrun(tfsummarymerge_all())有可能需要feed_dict传递一些输入。

5将得到的信息利用前面定义的writer写入到文件里面

6程序运行完毕后，打开tensorboard就可以啦

下面展示在tb里面输出image,也就是绘制的线性回归图。

因为想要显示的是有matplotlib生成的，所以先定义一个函数，其功能有：

生成 -> 将保存到内存中 -> 将这段内存传递出去

那么调用这个函数就能够生成想要的png格式的。

真正的将image嵌入到tensorboard里面的工作就可以开始了。

和scale，histogram一样，image的步骤仍然是定义、运算、写入

效果展示：

在tensorboard中经常看到会把weight和biases放到histogram中观察，但是每次看到这些图都是一脸懵逼，完全不知道怎么解读这些，下面是我从 stackoverflow  上找到的一种解答

上面的wight定义是均值为0，方差为1的服从正态分布的一组参数。从数学知识可以知道，正态分布绝大部分的值应该都分布在离均值很近的地方，只有很少一部分才会离均值很远。所以上面的histogram应该是反映下面这样的正态分布的图

由正态分布图可知有（191+191=382%）的数会落在（-05,05）的区间，那么再看tb的图，这个区间（-05,05）有比较淡的蓝色，符合数学知识。

再从正态图得到：大约有866%的值会落在（-15,15）区间内，从tb的图（-15,15）这个区间的蓝色最强，说明有很大部分的值是在这个区间内

所以从上面我们就能够知道，tb的distribution 图的颜色主要和值得分布有关，假如有很大比例的数分布在某个区间，这个区间的色彩就会强，假如很少比例的数在这个区间，这区间的色彩就越淡

下面是我的网络中全连接层的权值distribution

histogram

可以看到这一权值很大比例是分布在0的附近，整体来说这部分值都很接近0。这样就可以很容易的观察到权值分布的信息，比如知道那一部分的权值已经dead(很接近0)

你要先规划你的坐标系。

如X轴取-500到500

Y轴取-500到500

if X>0 and Y>0 then print "第一象限“

if X>0 and Y<0 then print "第四象限“

if X<0 and Y>0 then print "第二象限“

if X<0 and Y<0 then print "第三象限“

若有（-333，450）则 "第二象限“

参见下面

scale(x1,y1)-(x2,y2)‘定义坐标系

你只要记住，这里的x1,y1是左上角的坐标，x2,y2是右下角的坐标，通过这两个点的坐标设定，就可以决定坐标原点的位置以及坐标轴的方向了，比如

Scale

(-300,200)-(300,-200)

以上是把坐标原点设在窗体中心，x轴长600，方向从左到右，y轴长400，方向从下向上。

Scale

(800,0)-(0,600)

以上是把坐标原点设在窗体右上角，x轴长800，方向从右到左，y轴长600，方向从上向下。

下面说坐标轴和原点的标示法：

假定自定义坐标设为：

Scale

(-300, 200)-(300, -200)

则

Line (-300, 0)-(300, 0) '画x轴

Line (0,

200)-(0, -200) '画y轴

CurrentX = 290

CurrentY = -5

Print "x"

'标示x轴

CurrentX = 5

CurrentY = 200

Print "y" '标示y轴

CurrentX =

5

CurrentY = -5

Print "0" '标示原点

plc1200中如何调用scaleitor：首先自己造了个FC，简单的实现a+b=c，

我建立了数据块DB1，在主程序里调用FC时，输入IN1，IN2，OUT都是在DB1里的，执行结束，转存DB1里的c值，

但是网上好多说，FC多次调用会出问题，那么我多次调用会不会也出问题，具体解释下FB该怎么写，最好以a+b=c为实例。

VB的Scale方法是用来自定义坐标系统的，比如 Form1Scale (-200,-100)-(200,100) 就是把窗口Form1的左上角设为(-200,-100)，右下角设为(200,100)

以上就是关于Chapter 2.0 TensorBoard 基本教程(GRAPHS,scale，histogram，image）全部的内容，包括:Chapter 2.0 TensorBoard 基本教程(GRAPHS,scale，histogram，image）、用vb编写程序,单击按钮后,通过输入对话框输入点的两个坐标,判断点在哪一个象限,并在窗体输出判断结果、plc1200中如何调用scaleitor等相关内容解答，如果想了解更多相关内容，可以关注我们，你们的支持是我们更新的动力！