tensorboard显示acc曲线

要使用TensorBoard显示accuracy曲线，您需要在训练过程中记录accuracy的值，并将其写入TensorBoard日志文件。您可以使用TensorFlow的Summary API来实现这一点。

下面是一个示例代码片段，演示如何使用TensorFlow的Summary API记录accuracy值并将其写入TensorBoard日志文件：

import tensorflow as tf

# 在训练过程中计算accuracy
accuracy = ...

# 创建一个Scalar Summary，用于记录accuracy
tf.summary.scalar('accuracy', accuracy)

# 合并所有Summary
merged_summary = tf.summary.merge_all()

# 创建一个FileWriter，用于写入TensorBoard日志文件
train_writer = tf.summary.FileWriter('/path/to/log/dir', tf.get_default_graph())

# 在训练过程中，将merged_summary和step写入TensorBoard日志文件
for i in range(num_steps):
  # 训练模型的代码...

  # 计算accuracy的值
  acc_value = ...

  # 创建一个FeedDict，将accuracy的值传递给TensorFlow的Session
  feed_dict = {..., accuracy: acc_value, ...}

  # 运行merged_summary和step的操作，将结果写入TensorBoard日志文件
  summary, step = sess.run([merged_summary, global_step], feed_dict=feed_dict)
  train_writer.add_summary(summary, step)

# 关闭FileWriter
train_writer.close()

在上面的代码中，我们首先创建了一个Scalar Summary，用于记录accuracy的值。然后，我们使用TensorFlow的Summary API中的tf.summary.merge_all()函数将所有Summary合并到一个操作中。接下来，我们创建了一个FileWriter对象，用于将日志写入TensorBoard日志文件。在每个训练步骤中，我们计算accuracy的值，并将其传递给TensorFlow的Session。然后，我们运行merged_summary和global_step的操作，并将结果写入TensorBoard日志文件。最后，我们关闭FileWriter对象。

在运行上面的代码后，您可以在TensorBoard中查看accuracy曲线。要查看accuracy曲线，请在TensorBoard的SCALARS选项卡中选择accuracy。