1.tf.summary.scalar
解析:一般在畫loss、accuary時會用到這個函數。
2.tf.summary.histogram
解析: tf.summary.histogram(tags, values, collections=None, name=None),一般用來顯示訓練過程中變量的分佈情況。
3.tf.summary.distribution
解析:一般用於顯示weights分佈。
4.tf.summary.text
解析:可以將文本類型的數據轉換爲tensor寫入summary中。
5.tf.summary.merge_all
解析:merge_all可以將所有summary全部保存到磁盤,以便tensorboard顯示。
6.tf.summary.FileWriter
解析:tf.summary.FileWritter(path,sess.graph),指定一個文件用來保存圖。
7.tf.summary.merge
解析:tf.summary.merge(inputs, collections=None, name=None)
說明:TensorBoard相關操作還有tf.summary.image、tf.summary.audio等。
8.tf.name_scope()
解析:爲Graph中的Tensor添加層級,TensorBoard會按照代碼指定的層級進行展示,初始狀態下只繪製最高層級的效果,點擊後可展開層級看到下一層的細節。
9.tf.square()
解析:對裏面的每一個元素求平方。
10.tf.reduce_sum()函數
解析:用於計算張量tensor沿着某一維度的和,如下所示:
tf.reduce_sum(
input_tensor,
axis=None,
keepdims=None,
name=None,
reduction_indices=None,
keep_dims=None)
[1]input_tensor:待求和的tensor
[2]axis:指定的維,如果不指定,則計算所有元素的總和
[3]keepdims:是否保持原有張量的維度,設置爲True,結果保持輸入tensor的形狀,設置爲False,結果會降低維度,如果不傳入這個參數,則系統默認爲False
[4]name:操作的名稱
[5]reduction_indices:在以前版本中用來指定軸,已棄用
[6]keep_dims:在以前版本中用來設置是否保持原張量的維度,已棄用
11.tf.reduce_sum()例子
解析:假如tensor的維度爲234:
[[[ 1 2 3 4]
[ 5 6 7 8]
[ 9 10 11 12]],
[[ 13 14 15 16]
[ 17 18 19 20]
[ 21 22 23 24]]]
tf.reduce_sum(tensor, axis=0)按第一個維度進行求和:
[[1+13 2+14 3+15 4+16]
[5+17 6+18 7+19 8+20]
[9+21 10+22 11+23 12+24]]
如果axis=1,那麼求和結果shape是2*4:
[[ 1 + 5 + 9 2 + 6+10 3 + 7+11 4 + 8+12]
[13+17+21 14+18+22 15+19+23 16+20+24]]
如果axis=2,那麼求和結果shape是2*3:
[[1+2+3+4 5+6+7+8 9+10+11+12]
[13+14+15+16 17+18+19+20 1+22+23+24]]
12.tf.reduce_mean()
解析:tf.reduce_mean()函數用於計算張量tensor沿着指定的數軸上的平均值。
參考文獻:
[1]
[2]
[3]
[4]
[5]