深度学习系列教程（七）TensorBoard及模型保存

"玩转TensorFlow与深度学习模型”系列文字教程，本周带来TensorBoard及模型保存

大家在学习和实操过程中，有任何疑问都可以通过学院微信交流群进行提问，有导师和助教、大牛等为您解惑答疑哦。（入群方式在文末）

第七篇的教程主要介绍-使用TensorFlow训练模型的一些相关技巧，包括：

模型变量的保存和恢复

TensorBoard用法

利用 tf.summary 记录数据

可视化计算图

模型变量的保存和恢复

TensorFlow中的提供了表达模型状态的最好的方法，在这一节中，我们将介绍如何保存和恢复变量。

类提供了保存和恢复模型的方法，的构造函数将为计算图中增加和操作。

TensorFlow将变量都存在二进制checkpoint 文件之中，内容基本上就是将变量名称与tensor相对应。

保存变量

使用创建来管理模型中的所有变量，用以下语句保存所有变量：

这个语句表示将这个session中运行的图的所有变量存在路径下。

下面的例子就是将所有的变量存在一个 checkpoint 文件中：

输出为：

恢复变量

不仅仅将变量存到checkpoint文件中，它也可以用来恢复变量，语句是：

如将上面程序部分改为：

输出为：

选择保存和恢复的变量

上述的方式将所有的变量都存储或者读取出来，也支持选择某部分的变量进行储存，构造方式为：

一个变量list

一个Python词典，其中key是变量名称，值就是变量

定义如下计算图：

存储变量：

恢复变量：

TensorBoard用法

TensorBoard 是TensorFlow自带的可视化工具，可以用来可视化定义的计算图，绘制模型训练过程中的相关指标，如正确率等等。

利用 tf.summary 记录数据

被用来导出用于可视化模型的相关数据，支持记录多种类型，其中最常用的就是，用于记录标量，如：

除了以上步骤以外，还需要定义来将对应数据写入文件，以下代码将和写入文件夹：

当需要记录的参数很多的时候，可以使用将所有的记录操作汇总，简化代码。改为使用并且增加记录训练的step后，上述代码变为：

使用以下命令打开:

其中 后面的路径要与 中定义的路径对应。然后打开浏览器，输入

计算图

如果要可视化计算图，可以在定义的时候指明：

或者定义之后添加：

可以通过为变量、placeholder命名，结合使得计算图可视化的时候更加清晰。

完整代码：

参考资料

TensorFlow官网介绍

Stanford CS20SI

TensorFlow与深度学习模型系列教程

加入社群

天学网人工智能学院

培养符合企业需求的实战型AI人才