前言

之前我都是用TensorBoard记录训练过程中的Loss、mAP等标量，很容易就知道TensorBoard里的SCALARS（标量）图是怎么看的（其中横纵轴的含义、Smoothing等）。

最近在尝试模型压缩，其中的一个步骤是对模型进行稀疏训练。

稀疏训练时需要记录模型中BN层的Gamma值的分布情况（取哪些值，这些值出现的次数/频度），这时用TensorBoard里的SCALARS之类的图就不合适了，而是应该用TensorBoard里的HISTOGRAMS（直方图）和DISTRIBUTIONS（暂未找到合适的译文）。

所以我昨天学习、了解了一点HISTOGRAMS和DISTRIBUTIONS，今天做了一部分简单记录，具体见下文。

正文

HISTOGRAMS和DISTRIBUTIONS这两种图的数据源是相同的，只是从不同的视角、以不同的方式来表示数据的分布情况。

下面先介绍HISTOGRAMS，再介绍DISTRIBUTIONS。

HISTOGRAMS

上图是TensorBoard生成的一个直方图（OFFEST模式），下面介绍图中几个元素的含义。

数据源
- 数据源是多个一维数组
  - 也在别处看到有人说可以是多维数组，但会被压缩成一维数组，有兴趣的小伙伴可以具体研究一下
  - 如果你只有1个数组，也是可以的
当鼠标放在图上时出现的一条黑线和数字
- 鼠标放在图上出现的一条黑线，就对应数据源里的一个一维数组
- 上图中显示的黑线对应我的第41个数组的所有元素（index为40，因为index从0开始计数的）的取值的分布情况
图下方的横轴
- 横轴的值和数组内元素的取值对应
图右方的纵轴
- 纵轴的值对应着是哪一个数组，或者说对应了数组的id、index（上边提到的40）
颜色
- 可以看到上图中的颜色是渐变的，靠上（id小）的颜色深，靠下（id大）的颜色浅
上面的用词比较“学术化”，如果看不懂，就看下边的这个解释吧
- 我的数据有99个数组，index从0到98，但右侧的纵轴值只标到了90
- 数组元素的分布范围是横轴上的数字，可以看出我的每个数组中的元素的取值大约集中在0到0.2，超过1.5的元素很少
- 我的第40个数组（说法不严谨，准确地说是id为40）中大约有505个元素的值为0.536左右
如果还是不懂的话，建议先去看看直方图是什么