1、tf.summary.scalar

用來顯示標量資訊，其格式為：

tf.summary.scalar(name, tensor, collections=None)

• 1

例如：tf.summary.scalar('mean', mean)

一般在畫loss,accuary時會用到這個函式。

2、tf.summary.histogram

用來顯示直方圖資訊，其格式為：

tf.summary.histogram(tags, values, collections=None, name=None) 

• 1

例如： tf.summary.histogram('histogram', var)

3、tf.summary.distribution  分佈圖，一般用於顯示weights分佈

4、tf.summary.text  可以將文字型別的資料轉換為tensor寫入summary中：

例如：

text = """/a/b/c\\_d/f\\_g\\_h\\_2017"""
summary_op0 = tf.summary.text('text', tf.convert_to_tensor(text))

• 1
• 2

5、tf.summary.image

輸出帶影象的probuf，彙總資料的影象的的形式如下： ’ tag /image/0’, ’ tag /image/1’…，如：input/image/0等。

格式：tf.summary.image(name, tensor, max_outputs=3, collections=None)

6、tf.summary.audio

展示訓練過程中記錄的音訊

7、tf.summary.merge_all

merge_all 可以將所有summary全部儲存到磁碟，以便tensorboard顯示。如果沒有特殊要求，一般用這一句就可一顯示訓練時的各種資訊了。

格式：tf.summaries.merge_all(key='summaries')

8、tf.summary.FileWriter

指定一個檔案用來儲存圖。

格式：tf.summary.FileWritter(path,sess.graph)

可以呼叫其add_summary（）方法將訓練過程資料儲存在filewriter指定的檔案中

Tensorflow Summary 用法示例:

tf.summary.scalar('accuracy',acc)                   #生成準確率標量圖  
merge_summary = tf.summary.merge_all()  
train_writer = tf.summary.FileWriter(dir,sess.graph)#定義一個寫入summary的目標檔案，dir為寫入檔案地址  
......(交叉熵、優化器等定義)  
for step in xrange(training_step):                  #訓練迴圈  
    train_summary = sess.run(merge_summary,feed_dict =  {...})#呼叫sess.run執行圖，生成一步的訓練過程資料  
    train_writer.add_summary(train_summary,step)#呼叫train_writer的add_summary方法將訓練過程以及訓練步數儲存  

• 1
• 2
• 3
• 4
• 5
• 6
• 7

此時開啟tensorborad：

tensorboard –logdir=/summary_dir  便能看見accuracy曲線了。

另外，如果我不想儲存所有定義的summary資訊，也可以用tf.summary.merge方法有選擇性地儲存資訊

9、tf.summary.merge

格式：tf.summary.merge(inputs, collections=None, name=None)

一般選擇要儲存的資訊還需要用到tf.get_collection()函式

示例：

tf.summary.scalar('accuracy',acc)                   #生成準確率標量圖  
merge_summary = tf.summary.merge([tf.get_collection(tf.GraphKeys.SUMMARIES,'accuracy'),...(其他要顯示的資訊)])  
train_writer = tf.summary.FileWriter(dir,sess.graph)#定義一個寫入summary的目標檔案，dir為寫入檔案地址  
......(交叉熵、優化器等定義)  
for step in xrange(training_step):                  #訓練迴圈  
    train_summary = sess.run(merge_summary,feed_dict =  {...})#呼叫sess.run執行圖，生成一步的訓練過程資料  
    train_writer.add_summary(train_summary,step)#呼叫train_writer的add_summary方法將訓練過程以及訓練步數儲存  

• 1
• 2
• 3
• 4
• 5
• 6
• 7

使用tf.get_collection函式篩選圖中summary資訊中的accuracy資訊，這裡的

tf.GraphKeys.SUMMARIES 是summary在collection中的標誌。

當然，也可以直接：

acc_summary = tf.summary.scalar('accuracy',acc)                   #生成準確率標量圖  
merge_summary = tf.summary.merge([acc_summary ,...(其他要顯示的資訊)])  #這裡的[]不可省

• 1
• 2

當然也會有API版本的問題：  1、AttributeError: ‘module’ object has no attribute ‘SummaryWriter’

tf.train.SummaryWriter 改為：tf.summary.FileWriter

• 1

2、AttributeError: module ‘tensorflow’ has no attribute ‘merge_all_summaries’

 tf.merge_all_summaries()改為：summary_op = tf.summary.merge_all()

• 1

3、AttributeError: ‘module’ object has no attribute ‘histogram_summary’

tf.histogram_summary(var.op.name, var) 改為：  tf.summary.histogram()

• 1

4、AttributeError: ‘module’ object has no attribute ‘scalar_summary’

tf.scalar_summary('images', images)改為：tf.summary.scalar('images', images)

• 1

5、AttributeError: module ‘tensorflow’ has no attribute ‘image_summary’

tf.image_summary('images', images)改為：tf.summary.image('images', images)