利用tensorboard可视化checkpoint模型文件参数分布

写在前面：

      上周微调一个文本检测模型seglink,将特征提取层进行冻结，只训练分类回归层，然而查看tensorboard发现里面有histogram显示模型各个参数分布，看了目前这个训练模型参数分布压根就看不懂，很想知道个人预训练模型的参数分布是怎么个状况，训练了一天了，模型的参数分布较预训练的模型参数有啥变化没有，怎么办呢？

利用tf.summary将模型参数分布在tensorboard可视化:

导入须要的库  设置模型文件夹路径

1 import TensorFlow as tf
2 from tensorflow.python import pywrap_tensorflow
  model_dir="___"

定义可视化方法：

一、获取ckpt路径，这里的路径是checkpoint文件中的路径（ckpt文件夹中包括：checkpoint文件，index,meta,data四个文件）

code:

ckpt=tf.train.get_checkpoint_state(model_dir)
ckpt_path=ckpt.model_checkpoint_path

 

二、读取checkpoint 文件中模型的变量名和变量值

这里是使用get_variable_to_shape_map()获取了一个[key：name of variable      value：the shape of variable]的list

code:

reader=pywrap_tensorflow.NewCheckpointReader(ckpt_path)
param_dict=reader.get_variable_to_shape_map()

 

三、开一个session,

code:

with tf.Session() as sess:
      validate_writer=tf.summary.FileWriter('./run')
      for key in param_dict:
            if(key.startwith('vgg')):
            vgg_summary=tf.summary.histogram(key,reader.get_tensor(key))
            merge_summary=tf.summary.merge([vgg_summary])#这里能够添加其余须要merge的summary项,若是只有一个summary也能够不用merge，
            test_summary=sess.run(merge_summary)
            validate_writer.add_summary(test_summary)

 

tf.summary.FileWriter(event_dir_path)#event_dir_path为事件日志文件夹，运行程序以后会在该指定的文件夹中生产events文件。运行TensorFlow计算后，会将各种数据汇总记录进该日志文件，tensorboard会读取这些数据进行解析并生成数据可视化的web页面。

key.startwith('vgg')在param_dict字典中提取以vgg开头的key,并获取相关tensor以histogram的形式汇总

merge_summary=tf.summary.merge([.....])合并指定数据汇总

test_summary=sess.run(merge_summary)执行一步run,获得merge_summary，并将该summary

validate_writer.add_summary(test_summary)#将当前一步run获得的summary加入以前设置的validate_writer

附上summary示意图帮助理解，图片引用自CSDN网址：https://blog.csdn.net/hongxue8888/article/details/78610305

 

 

最后还要关闭writer

validate_writer.close()

运行代码以后，执行以下指令：

tensorboard --logdir="./run"#就是以前设置的events日志文件夹的路径

而后根据执行结果上的网址，打开浏览器便可观察模型参数分部状况：

附一张参数分布图，具体怎么研究比较这个直方图，接下去再研究吧~

小白一枚，进步很慢，但愿各路大神道友指教和批评~~~~