0. 只愿君心
服气，两个多月前调的代码莫名其妙崩，各种莫名其妙的错误改了一上午都没改好，可能这就是Doc2Vec的劝退吧。本喵真的想手动问号三连。算了，反正这个东西用得很少很少，就像为了发论文强行扯出来的玩意。
然后今天还是要更点东西，因为那谁不按套路出牌竟然来实验室了....我其他事情也做不了啊啊。看书和更新博客是最舒适的事情了，相比于听他跟我讨论“前沿NLP”——CPU+Spark下的NLP？？？
我想起以前吧，在三月份真正开始学DeepNLP的时候，改了一个TextCNN的二分类代码，当时也是花了一两周啊。之后我会更新下github把代码都按文件上传一下。怎么办，其实TensorBoard我用的也不是很多，但是有些实例操作可能记录一下比到处查和摸索还是要好很多吧。我当时用的时候参考的CSDN这篇博客：https://blog.csdn.net/gsww404/article/details/78605784。但本猫也不是很爱copy，这篇博文注定内容很短吗哈哈，怎么够我在某人的眼神下熬到下班去运动。
1. 似我心
虽然贴了参考了，不过还是简单介绍下今天的主角——TensorBoard。这个东西呢，简单来说就是TFboys自带的一个插件（可以这么说吧，确实没有额外去安装什么东西）。当你在代码里面声明了日志记录，并按照TensorBoard规范声明了一些变量名时，TensorBoard读到日志就会实时用可视化的方式展现网络结构、训练进程等等，以展现Tensorflow程序的最新运行状态。
TensorBoard的可视化具体一点来说分为：计算图可视化（网络结构等）、监控指标可视化（loss和accuracy及各层权值参数等）。我感觉这两个比较主要，其他的就是功能混合吧。下面就分小节举一些实例好吧。
首先是TensorBoard在代码中的一些体现。其实主要是添加记录节点、汇总节点、得到节点汇总结果等等等等等。大家在使用的时候参考下上面那篇博客，或者参考别人能实例化TensorBoard的代码吧。作为一个优秀的“程序员”对吧，抄抄更健康。简单举个栗子，在声明网络结构时，对每层的命名用下图方式。比如TextCNN里面的Embedding层和几个卷积-池化层：
这样的好处就是，当你实例化TensorBoard的时候，查看GRAPHS会发现。哇，网络是这个样子吗，一目了然。（特别是读别人的网络时，如果作者的Tensorflow代码非常非常规范的话）还是举个例子展示一下吧，比如TextCNN的网络结构。如果你是第一次接触这个网络，这个计算图就能帮助你更快的入手网络，每一层输入输出参数大小也都可以在图上点击查到：
等会，我好像忘记写怎么打开TensorBoard了吧。是这样的，如果代码中写了存储日志和相关参数的话，都会在代码目录下生成一个如下的文件：
然后返回到train目录上一层，打开命令行输入如下。等返回链接时直接打开连接就到了TensorBoard的界面了。如果崩了就再试一下就好：
还有什么说的呢，其实打开TensorBoard很多东西都可以试一下，只要代码质量够高，记录是非常详细的。比如loss和acc。图形和数据都是可以直接导出下载的（CSV和JSON格式），不管你用不用TensorBoard自带的图，拿到导出数据用Matlab或者Python二次创作（改数据造假）也很方便啊。为什么是0.618，只是本猫喜欢这个数字吧哈哈哈哈。
2. 定不负相思意
没什么好写的了吧，具体操作参考博客吧。我比较喜欢下那些代码风格很严谨的，所以自己可以少操点心。不过，今天这个阳光总是给我一种周五的感觉啊。写博客挺累的，不管简单的东西还是难的东西。这个月最后一天更新一篇，之后再说吧。五月再见，夏天的话本猫最喜欢应该就是六月了吧。