【问题标题】：How to make sense of tensorflow tensorboard Histograms?如何理解张量流张量板直方图？
【发布时间】：2016-07-25 13:29:13
【问题描述】：

我想知道如何理解生成的张量流图/直方图。可以找到此代码here. 这个图表很容易理解准确率和损失很容易理解。

Accuracy- Accuracy of current state of network for given train data.
Higher is better

Accuracy/Validation -  Accuracy of current state of network for given Validation data which is 
not seen by network before. Higher is better

Loss- Loss of network on train data. Lower is better.
Loss/Valadation - Loss of network on test data. Lower is better.
If loss increases it's a sign of over-fitting.
Conv2d/L2-Loss - Loss of particular layer wrt train data.

基本上，图表的含义以及我如何使用它来了解我的网络以及如果可能的话我可以做出哪些改变来改进它。

如何解释直方图？

【问题讨论】：

标签： machine-learning tensorflow theano deep-learning caffe

【解决方案1】：

tf.summary.histogram 采用任意大小和形状的张量，并将其压缩为由许多具有宽度和计数的 bin 组成的直方图数据结构。例如，假设我们要将数字 [0.5, 1.1, 1.3, 2.2, 2.9, 2.99] 组织到 bin 中。我们可以创建三个 bin：一个包含从 0 到 1 的所有内容（它将包含一个元素，0.5），一个包含从 1-2 的所有内容（它将包含两个元素，1.1 和 1.3），* 一个包含从2-3（它将包含三个元素：2.2、2.9 和 2.99）。

请点击以下链接了解更多详情：

sunside answer

Tensorflow documentation

【讨论】：