我想“转储”张量板直方图并通过 matplotlib 绘制它们。我会有更多吸引科学论文的情节。
我设法使用tf.train.summary_iterator 破解了摘要文件的方法，并转储了我想要转储的直方图（tensorflow.core.framework.summary_pb2.HistogramProto 对象）。
通过这样做并实现 java 脚本代码对数据 (https://github.com/tensorflow/tensorboard/blob/c2fe054231fe77f3a5b05dbc519f713d2e738d1c/tensorboard/plugins/histogram/tf_histogram_dashboard/histogramCore.ts#L104) 所做的事情，我设法得到了与张量板图相似的东西（相同的趋势），但不是完全相同的图。
我能解释一下吗？
谢谢
【问题讨论】：
为了使用 matplotlib 绘制张量板直方图，我正在执行以下操作：
event_acc = EventAccumulator(path, size_guidance={
'histograms': STEP_COUNT,
})
event_acc.Reload()
tags = event_acc.Tags()
result = {}
for hist in tags['histograms']:
histograms = event_acc.Histograms(hist)
result[hist] = np.array([np.repeat(np.array(h.histogram_value.bucket_limit), np.array(h.histogram_value.bucket).astype(np.int)) for h in histograms])
return result
h.histogram_value.bucket_limit 给我这个值，h.histogram_value.bucket 给我这个值的计数。因此，当我相应地重复这些值时（np.repeat(...)），我得到了一个巨大的预期大小数组。现在可以使用默认的 matplotlib 逻辑绘制这个数组。
【讨论】：
最好的解决方案是加载所有事件并重建所有直方图（作为@khuesmann 的答案），但不使用EventAccumulator，而是使用EventFileLoader。这将为您提供每壁时间和步长的直方图，作为 Tensorboard 绘图。它可以扩展为按时间步长和墙上时间返回动作列表。
别忘了检查你将使用哪个标签。
from tensorboard.backend.event_processing.event_file_loader import EventFileLoader
# Just in case, PATH_OF_FILE is the path of the file, not the folder
loader = EventFileLoader(PATH_Of_FILE)
# Where to store values
wtimes,steps,actions = [],[],[]
for event in loader.Load():
wtime = event.wall_time
step = event.step
if len(event.summary.value) > 0:
summary = event.summary.value[0]
if summary.tag == HISTOGRAM_TAG:
wtimes += [wtime]*int(summary.histo.num)
steps += [step] *int(summary.histo.num)
for num,val in zip(summary.histo.bucket,summary.histo.bucket_limit):
actions += [val] *int(num)
请记住，tensorflow 近似于动作并将动作视为连续变量，因此即使您有离散动作（例如 0,1,3），您最终也会将动作视为 0.2,0.4,0.9,1.4 ...在这种情况下，值会做到这一点。
【讨论】：
@khuesmann 提供的一个很好的解决方案，但这只允许您检索累积的直方图，而不是每一步的直方图 - 这是实际显示在 tensorboard 中的直方图。
如果你想要分布，到目前为止，我的理解是 Tensorboard 通常会压缩直方图以减少用于存储数据的内存——想象一下存储超过 400 万步的 2D 直方图，内存可以快速增加.通过这样做可以访问这些压缩直方图：
from tensorboard.backend.event_processing.event_accumulator import EventAccumulator
n2n = EventAccumulator(PATH)
n2n.Reload()
# Check the tags under histograms and choose the one you want
n2n.Tags()
# This will give you the list used by tensorboard
# of the compress histograms by timestep and wall time
n2n.CompressedHistograms(HISTOGRAM_TAG)
唯一的问题是它将直方图压缩到五个百分位数（在Basic points 中，它们是 0、668、1587、3085、5000、6915、8413、9332、10000），对应于 (-Inf, -1.5, -1, -0.5, 0, 0.5, 1, 1.5, Inf) 的标准差。检查代码here。
我读的不多，但重建 tensorboard 显示的时间直方图并不难。如果我有办法做到这一点，我会在这里发布。
【讨论】：
最简单的方法是使用tbparse 解析事件并使用seaborn kde_ridgeplot 绘制直方图。
This tutorial 用大约 30 行 Python 代码生成堆积分布图：
【讨论】：