tensorboard_logger 0.1.0

记录没有tensorflow

TensorBoard 是一个可视化工具（不是这个项目，它是 TensorFlow框架） 这样就很容易检查训练进度，比较 不同的跑步方式，还有很多其他酷的功能。

tensorboard_loggerlibrary允许在不使用tensorflow的情况下编写tensorboard事件：

from tensorboard_logger import configure, log_value

configure("runs/run-1234")

for step in range(1000):
    v1, v2 = do_stuff()
    log_value('v1', v1, step)
    log_value('v2', v2, step)

注意：如果您已经在项目中使用tensorflow， 你可能不需要这个图书馆。

安装

TensorFlow仅用于查看记录的事件：请检查安装指南 在official site上 （您可能需要一个仅限CPU的版本）。

tensorboard_logger可以与pip一起安装：

pip install tensorboard_logger

使用量

可以将默认记录器与^{tt3}一起使用$ 和tensorboard_logger.log_value函数，或使用tensorboard_logger.Logger类。

此库可用于以tensorboard格式记录某些变量的数值，因此您可以 使用tensorboard可视化它们是如何变化的，并比较不同运行之间的相同变量。 日志文件被写入一个目录，因此每次运行都需要一个单独的目录 （您可以将其他日志或输出文件放在同一目录中）。 要比较的来自不同运行的目录应该具有相同的父目录 （也可以有其他文件或目录有相同的父目录，tensorboard会发现 哪些目录包含日志）。

除了变量名及其值之外，另一个重要的事情是step：这必须 是一个整数，表示某个增加的步骤-它可以是训练中的一个步骤，也可以是 其他号码。这些值在tensorboard中是按步骤排列的，尽管您可以查看它们 也按时间或相对步骤排序。

一个简单的用法示例：

from tensorboard_logger import configure, log_value

configure("runs/run-1234", flush_secs=5)

for step in range(1000):
    v1, v2 = do_stuff()
    log_value('v1', v1, step)
    log_value('v2', v2, step)

您可以立即启动TensorBoard:

tensorboard --logdir runs

在http://localhost:6006检查tensorboard ui的度量 （请注意，它默认绑定到0.0.0.0）。 指标在切换到浏览器选项卡时刷新，并且还有一个刷新按钮 在右上角。

运行时开销相当大，对于记录的单个值，大约为0.1-0.2毫秒 （大约每秒5000-10000次操作）。

api

tensorboard_logger.configure(logdir, flush_secs=2)

配置日志记录：文件将写入logdir，并每flush_secs刷新一次。 注意：在每次写入事件后立即刷新文件。

tensorboard_logger.log_value(name, value, step=None)

在给定的step上为给定的name记录新的value。 value应为实数（将转换为浮点数）， 并且name应该是字符串（它将被转换为有效的 TensorFlow摘要名称）。step应该是非负整数， 用于可视化：您可以记录几个不同的 变量在一个步骤中，但不应记录不同的值 同一步骤上的同一变量（未选中）。 也可以完全省略步骤。

tensorboard_logger.Logger

用于在目录中写入日志的类。 如果上面两个函数中使用的默认记录器不足以满足您的需要，请使用它 （例如，您想要登录到几个不同的目录，或者不喜欢 全局变量）。 构造函数的签名与tensorboard_logger.configure相同， 它有一个log_value方法，其签名与 tensorboard_logger.log_value。

发展

编译python protobuf文件：

protoc --python_out . tensorboard_logger/tf_protobuf/summary.proto
protoc --python_out . tensorboard_logger/tf_protobuf/event.proto

许可证

MIT license

0.1.0（2018-02-08）

• 能够记录直方图和图像（18）

0.0.4（2017-07-31）

• 安装TensorFlow后修复（11）

0.0.3（2016-11-17）

• 修复PYPI打包

0.0.2（2016-11-03）

• 不再需要TensorFlow（1）
• Travis构建已修复（2）

0.0分.1（2016-11-01）

• 第一个版本是pypi。