Python tf.summary.histogram用法及代碼示例

寫一個直方圖摘要。

用法

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

另見tf.summary.scalar、tf.summary.SummaryWriter。

將直方圖寫入當前默認摘要編寫器，以便稍後在 TensorBoard 的 'Histograms' 和 'Distributions' 儀表板中進行分析(使用此 API 寫入的數據將出現在這兩個位置)。與 tf.summary.scalar 點一樣，每個直方圖都與 step 和 name 相關聯。所有具有相同name的直方圖構成一個時間序列的直方圖。

直方圖是在給定 Tensor 的所有元素上計算的，而不考慮其形狀或等級。

此示例寫入 2 個直方圖：

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)

一個常見的用例是檢查神經網絡中特定層隨時間變化的激活模式(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)