Tensorflow 自带可视化Tensorboard使用方法(附项目代码)

Tensorboard：

如何更直观的观察数据在神经网络中的变化，或是已经构建的神经网络的结构。上一篇文章说到，可以使用matplotlib第三方可视化，来进行一定程度上的可视化。然而Tensorflow也自带了可视化模块Tensorboard，并且能更直观的看见整个神经网络的结构。

上面的结构图甚至可以展开，变成：

使用：

结构图：

with tensorflow .name_scope(layer_name): 

直接使用以上代码生成一个带可展开符号的一个域，并且支持嵌套操作：

with tf.name_scope(layer_name):   with tf.name_scope('weights'): 

节点一般是变量或常量，需要加一个“name=‘'”参数，才会展示和命名，如：

with tf.name_scope('weights'):   Weights = tf.Variable(tf.random_normal([in_size,out_size])) 

结构图符号及意义：

变量：

变量则可使用Tensorflow.histogram_summary()方法：

tf.histogram_summary(layer_name+"/weights",Weights) #name命名，Weights赋值