1. tensorboard的histogram怎么看
-
一个超好的tensorboard使用指南
[1] https://www.jianshu.com/p/d059ffea9ec0 (非常好的资料，我应该拿MNIST做个类似的example，训练下自己的tensorboard能力)
[2] to google... 未完待续
-
我的问题：histogram和distribution怎么看
- https://blog.csdn.net/weixin_35653315/article/details/72471312 (认识了x,y轴,时间步，及两种mode)
- https://github.com/tensorflow/tensorflow/tree/r0.9/tensorflow/tensorboard (还要再google下官方的文档)
- https://blog.csdn.net/u010099080/article/details/77426577 (讲的不错)
- https://blog.csdn.net/akadiao/article/details/79551180 （不错）
- https://tensorflow.google.cn/guide/tensorboard_histograms （还是要先查官方文档）
- https://tensorflow.google.cn/api_docs/python/tf/summary/histogram (官方的实现api)
-
又有一个问题：怎么让一条tensorboard观察多个实验？
自答：唯一的办法就是建立一个公共的graphs目录，然后把多个实验的summary文件写到这个公共的graphs目录下，tensorboard的logdir指定为这个graphs目录，就能同时切换看多组不同实验了。
-
如何利用tensorboard可视化调参 ?
- https://www.jianshu.com/p/d059ffea9ec0 (step4部分，写的非常好，非常非常好)
- https://github.com/decentralion/tf-dev-summit-tensorboard-tutorial/blob/master/mnist.py (上述博客的实践代码，必做！！！)
- 核心：利用python/tf的语言特点，发挥自动化脚本和可视化工具(tensorboard就很好了)的优势，而不是cmd黑窗口！！！甚至tensorboard中的histogram/distribution都能给我调参带来很多思考
- 先思考一些idea，然后再设计好调参脚本，然后自动化、批处理、可视化调参。调完了一定要对所有结果进行截图保存，抽一部分【正确的、有趣的、错误的、反常的】进行深入思考。调参其实应该要有个实验报告和实验总结！！！
- 立刻安排时间试一下，我觉得这个技能很重要，而且迫在眉睫(甚至比想idea和写代码还重要)