Tensoflow实战Google深度学习框架-第2版-第11章 tensorboard可视化
python
from tensorflow.contrib.tensorboard.plugins import projector
def visualisation(final_result):
# 【定义变量】定义新的变量来保存最终的数据层向量的结果,用final_result初始化变量y的值
y = tf.Variable(final_result, name = TENSOR_NAME)summary_writer
# 【定义总结】
summary_writer = tf.summary.FileWriter(LOG_DIR)
# 【建立配置】经过projector.ProjectorConfig()类来帮助生成日志文件
config = projector.ProjectorConfig()
# 【添加嵌套】增长一个须要可视化的embedding的结果
embedding = config.embeddings.add()
# 【添加名称】指定这个embedding结果对应的Tensorflow变量名称
embedding.tensor_name = y.name
# 【指定文件】指定每一个数据的正确标数据文件,可选,没有则无标签
# Specify where you find the metadata
embedding.metadata_path = META_FIEL
# 【指定图片】指定sprite图像,可选,没有则没一个点就是一个小圆点,没有具体的图片,
# single_image_dim指定单张图片大小,这将保证用于从sprite图像中截取争取的原始图片
# Specify where you find the sprite (we will create this later)
embedding.sprite.image_path = SPRITE_FILE
embedding.sprite.single_image_dim.extend([28,28])
# 【写入日志】将PROJECTOR所须要带的内容写入日志文件
# Say that you want to visualise the embeddings
projector.visualize_embeddings(summary_writer, config)
#【生成会话,初始化】
sess = tf.InteractiveSession()
sess.run(tf.global_variables_initializer())
#【将日志写入文件】
saver = tf.train.Saver()
saver.save(sess, os.path.join(LOG_DIR, "model"), TRAINING_STEPS)
summary_writer.close()