如何在 TensorFlow 中读取一维示例的 TensorBoard 直方图？答案

【问题标题】：How does one read TensorBoard histograms for a 1D example in TensorFlow?如何在 TensorFlow 中读取一维示例的 TensorBoard 直方图？
【发布时间】：2016-07-01 00:08:36
【问题描述】：

我为 TensorBoard 制作了最简单的 1D 示例（跟踪二次方的最小化），但我得到的图对我来说没有意义，我不知道为什么。是我自己的实现还是 TensorBoard 有问题？

下面是图：

直方图：

我通常将直方图视为对概率分布（或频率计数）进行编码的条形图。我假设y轴表示值，x轴表示计数？由于我的步数是 120，这似乎是合理的猜测。

和标量图：

为什么我的情节中有一条奇怪的线？

产生它的代码（你应该可以复制粘贴它并运行它）：

## run cmd to collect model: python playground.py --logdir=/tmp/playground_tmp
## show board on browser run cmd: tensorboard --logdir=/tmp/playground_tmp
## browser: http://localhost:6006/

import tensorflow as tf

# x variable
x = tf.Variable(10.0,name='x')
# b placeholder (simualtes the "data" part of the training)
b = tf.placeholder(tf.float32)
# make model (1/2)(x-b)^2
xx_b = 0.5*tf.pow(x-b,2)
y=xx_b

learning_rate = 1.0
# get optimizer
opt = tf.train.GradientDescentOptimizer(learning_rate)
# gradient variable list = [ (gradient,variable) ]
gv = opt.compute_gradients(y,[x])
# transformed gradient variable list = [ (T(gradient),variable) ]
decay = 0.9 # decay the gradient for the sake of the example
# apply transformed gradients
tgv = [ (decay*g, v) for (g,v) in gv] #list [(grad,var)]
apply_transform_op = opt.apply_gradients(tgv)

# track value of x
x_scalar_summary = tf.scalar_summary("x", x)
x_histogram_sumarry = tf.histogram_summary('x_his', x)
with tf.Session() as sess:
    merged = tf.merge_all_summaries()
    tensorboard_data_dump = '/tmp/playground_tmp'
    writer = tf.train.SummaryWriter(tensorboard_data_dump, sess.graph)

    sess.run(tf.initialize_all_variables())
    epochs = 120
    for i in range(epochs):
        b_val = 1.0 #fake data (in SGD it would be different on every epoch)

        # applies the gradients
        [summary_str_apply_transform,_] = sess.run([merged,apply_transform_op], feed_dict={b: b_val})
        writer.add_summary(summary_str_apply_transform, i)

【问题讨论】：

我在统计溢出问题上提出了类似的问题：stats.stackexchange.com/questions/220491/… 我不认为我犯了任何错误，但图表对我来说看起来很奇怪。
好像你有多个事件文件，删除除最后一个之外的所有文件
@OlivierMoindrot 很有趣。似乎有效，你知道为什么吗？
如果同一个文件夹中有多个事件文件，Tensorboard 会认为它们属于同一个体验。它将绘制第一个文件，当第二个文件从 0 重新开始时，它将以从第 100 步到第 0 步的直线加入两次运行。

标签： python machine-learning neural-network tensorflow

【解决方案1】：

我也遇到了同样的问题，张量板的实例选项卡中出现多条线（即使我尝试了你的代码，板服务显示重复的警告并且只显示一条曲线，比我好）

WARNING:tensorflow:Found more than one graph event per run. Overwriting the graph with the newest event.

尽管如此，解决方案与@Olivier Moindrot 提到的相同，删除旧日志，而有时董事会可能会缓存一些结果，因此您可能需要重新启动董事会服务。

如 MINIST 示例所示，确保我们提供最新摘要的方法是登录一个新文件夹：

if tf.gfile.Exists(FLAGS.summaries_dir):
    tf.gfile.DeleteRecursively(FLAGS.summaries_dir)
tf.gfile.MakeDirs(FLAGS.summaries_dir)

链接到完整源代码，TF 版本 r0.10：https://github.com/tensorflow/tensorflow/blob/r0.10/tensorflow/examples/tutorials/mnist/mnist_with_summaries.py

【讨论】：