一、什么是tf.summary.histogram
在TensorFlow中，tf.summary.histogram是一种用于跟踪变量和张量分布的TensorBoard摘要类型。这个方法可以在TensorBoard中显示任何给定张量的分布，因此我们可以很好地了解模型中每个变量的状态。
histogram用于显示某个变量的取值分布情况，通过它可以更好的观察变量取值的跨度、分布和偏离情况，方便调优和发现异常情况。
二、如何使用tf.summary.histogram
使用tf.summary.histogram记录变量在TensorBoard中的分布只需要将summar_writer和tf.summary.histogram用于变量的更新，当然可能为了获得更好的观察效果你可以根据需要设置其他参数。
# 其中scalar, image, text 和 audio 四种不同的 summary 类型不再赘述。
with tf.name_scope('summaries'):
tf.summary.histogram('MSE_per_batch', mse_batch)
tf.summary.scalar('loss', loss)
tf.summary.histogram('weights1', weights1)
tf.summary.histogram('weights2', weights2)
tf.summary.histogram('grads', grads)
tf.summary.histogram('grad_hist', grad_hist)
tf.summary.histogram('activation', y)
tf.summary.scalar('ave_activations', tf.reduce_mean(y))
tf.summary.scalar('max_activations', tf.reduce_max(y))
tf.summary.scalar('min_activations', tf.reduce_min(y))
tf.summary.scalar('sparsity', tf.nn.zero_fraction(layer1))
merged = tf.summary.merge_all()
三、tf.summary.histogram参数详解
在使用tf.summary.histogram的时候，我们一般需要了解其主要参数，以便更好的记录变量分布，下面我们来详细介绍一下：
1. 名称（name）
可选项。摘要的名称，这个名称将会在TensorBoard中展示，以便你能够更好地识别你所记录的是什么数据。需要注意的是，相同名称的摘要将会被合并展示在一起。
2. 容器（family）
可选项。为了更好的管理你的摘要信息，你可以将他们存放在同一个容器中。通过使用family参数，你可以将摘要分组在一起。
3. 值（values）
必选项，这是需要记录的数据，tensorflow输入的是张量类型的值。这个张量代表了需要记录的变量。通常情况下，如果你需要记录的是一个权重张量的话，那么使用tf.summary.histogram和这个张量的名字就可以工作了。如果你想要查看多个变量，可以分别使用多个tf.summary.histogram().
4. 子图（collections）
可选项。有时候，你希望在不同的子图（如train/train_or_test）中记录摘要的值。你可以使用collections参数实现这个功能。
5. 优先级（priority）
可选项。默认情况下，摘要的优先级为0。如果你有多个摘要要记录，那么按照你输入的顺序每个摘要的优先级+1。
四、总结
在本文中，我们学习了如何使用tf.summary.histogram记录TensorFlow变量的分布，同时也了解了tf.summary.histogram的主要参数。
原创文章，作者：小蓝，如若转载，请注明出处：https://www.506064.com/n/236926.html
微信扫一扫 
支付宝扫一扫 