Python tf.summary.histogram用法及代码示例

写一个直方图摘要。

用法

tf.summary.histogram(
    name, data, step=None, buckets=None, description=None
)

参数

name 此摘要的名称。用于 TensorBoard 的摘要标记将是此名称，以任何活动名称范围为前缀。
data 任何形状的Tensor。直方图是根据其元素计算的，这些元素必须可转换为 float64 。
step 此摘要的显式 int64 -castable 单调步长值。如果省略，则默认为 tf.summary.experimental.get_step() ，不能为 None。
buckets 可选的正面 int 。输出将有这么多桶，除了两个边情况。如果没有数据，则没有桶。如果有数据但所有点的值都相同，则所有桶的左右端点相同，只有最后一个桶的计数非零。
description 此摘要的可选长格式说明，作为常量 str 。支持Markdown 。默认为空。

成功时为真，如果因为没有可用的默认摘要编写器而未发出摘要，则为假。

抛出

ValueError 如果存在默认编写器，但未提供任何步骤且tf.summary.experimental.get_step() 为无。

另见tf.summary.scalar、tf.summary.SummaryWriter。

将直方图写入当前默认摘要编写器，以便稍后在 TensorBoard 的 'Histograms' 和 'Distributions' 仪表板中进行分析(使用此 API 写入的数据将出现在这两个位置)。与 tf.summary.scalar 点一样，每个直方图都与 step 和 name 相关联。所有具有相同name的直方图构成一个时间序列的直方图。

直方图是在给定 Tensor 的所有元素上计算的，而不考虑其形状或等级。

此示例写入 2 个直方图：

w = tf.summary.create_file_writer('test/logs')
with w.as_default():
    tf.summary.histogram("activations", tf.random.uniform([100, 50]), step=0)
    tf.summary.histogram("initial_weights", tf.random.normal([1000]), step=0)

一个常见的用例是检查神经网络中特定层随时间变化的激活模式(或缺乏激活模式)。

w = tf.summary.create_file_writer('test/logs')
with w.as_default():
for step in range(100):
    # Generate fake "activations".
    activations = [
        tf.random.normal([1000], mean=step, stddev=1),
        tf.random.normal([1000], mean=step, stddev=10),
        tf.random.normal([1000], mean=step, stddev=100),
    ]

    tf.summary.histogram("layer1/activate", activations[0], step=step)
    tf.summary.histogram("layer2/activate", activations[1], step=step)
    tf.summary.histogram("layer3/activate", activations[2], step=step)

相关用法

注：本文由纯净天空筛选整理自tensorflow.org大神的英文原创作品 tf.summary.histogram。非经特殊声明，原始代码版权归原作者所有，本译文未经允许或授权，请勿转载或复制。

用法

参数

返回

抛出