Tensorboard是TF自带的可视化工具。它可以让我们从各个角度观察与修改模型，比如观察模型在训练时的loss动态变化曲线而无需在迭代完毕后再画图、绘制神经网络的结构图、调节超参数等。下面以最简单的形式展示tensorboard的常用功能。
开启tensorboard打开命令行输入
tensorboard --logdir logs
然后回车。前两个参数固定，第三个参数表示tensorboard所要观察的文件夹位置。后面再使用TF将信息写入该文件夹中，tensorboard就可以从中读取数据用于可视化。输出如下：
进入得到的链接，就是tensorboard的界面了。这时你的logs文件夹应该还是空的，没有写入数据，所以tensorboard无法可视化。下面介绍如何向文件夹中写入数据。
ScalarsScalars用来可视化时间步下的状态曲线，比如loss的变化曲线。下面是代码示例：
import numpy as np import tensorflow as tf from datetime import datetime current_time = datetime.now().strftime("%Y{y}%m{m}%d{d}-%H-%M-%S").format(y = '年',m = '月',d='日') log_path = 'logs/'+current_time#——————1—————— log_writer = tf.summary.create_file_writer(log_path)#——————2—————— for i in range(100): data1 = np.random.normal()#——————3—————— data2 = np.random.normal()#——————3—————— with log_writer.as_default():#——————4—————— tf.summary.scalar('test1', data1, i) #——————5—————— tf.summary.scalar('test2', data2, i) #——————5——————
#1/2：创建以时间命名的用于保存记录的文件，并获取用于往该文件中写入记录的对象实例。注意！文件要保存在logs文件夹中，tensorboard才能读取。
#3：定义每次迭代要记录的值。
#4/5：使用#2定义的对象将记录以scalar的方式写入，scalar实际上就是画折线图，其中三个参数分别代表是：记录名、这次迭代要保存的值、第几次迭代。可以看出，一个文件可以保存多条记录，而每条记录都含有多次迭代。
在tensorboard界面中，右上角点击刷新，或者在下拉选项中选择scalar，tensorboard就会显示输出的记录。界面中还能调节平滑度什么的，这里就不记录了。Tensorboard的一大好处在于它能在代码执行的时候同步可视化图像，上面的代码示例仅有100次迭代，不好体现，可以自己尝试一下。
可视化后的折线图界面如下：
可视化模型结构，但是显示出来的结构很乱，几乎没法看，暂时没弄懂看的是什么。这里先记录显示流程。代码示例如下：
import numpy as np from tensorflow.keras import Input,Model,layers,losses,callbacks logdir="logs/test" tensorboard_callback = callbacks.TensorBoard(log_dir=logdir)#——————1—————— class TestModel(Model):#——————2—————— def __init__(self): super().__init__() self.layer1 = layers.Dense(10) self.layer2 = layers.Dense(1) def call(self,inputs): x = self.layer1(inputs) x = self.layer2(x) return x model = TestModel()#——————3—————— model.compile(optimizer='rmsprop',loss='mse')#——————4—————— model.fit(np.ones([3,10]), np.ones([3,1]), callbacks=[tensorboard_callback]) #——————5——————
#1：定义保存模型结构的文件，获取一个回调函数对象，用于在fit的时候将模型计算图记录并保存。
#2：继承Model类自定义我们的模型，只要实现以上两个函数即可。
#3/4/5：实例化模型、编译，然后fit，让上面定义的回调函数过一遍我们的模型，这样一来它就能将结构记录下来了。
然后打开tensorboard网页，右上角下拉选中GRAPH，就能看到画出的图了。如下图（显示的玩意儿看不太懂）：
另外，因为是在fit中保存的结构，所以它在保存的时候会多包一层train文件夹。
Hparams超参数优化。暂时用不到，以后再记录。