好記性不如爛筆頭，純粹爲自己的學習生活記錄點什麼！
tensorboard 同時顯示多個模型準確率和損失率
tensorboard 同時顯示多個模型的accuracy和loss
Found more than one graph event per run, or there was a metagraph containing a graph_def, as well as one or more graph events. Overwriting the graph with the newest event.
在利用TensorFlow模型訓練過程中，我們都知道使用tensorboard進行訓練過程中的acc和loss可視化，便於我們觀察訓練過程中是否出現問題。但是訓練的時候我常發現只能在一個loss曲線圖中顯示一個loss，本文將給出兩種方法，如何顯示多個模型的訓練acc和loss，便於對比分析！！
錯誤提示
本文的初衷都是從下面這個錯誤開始！
Found more than one graph event per run, or there was a metagraph containing a graph_def, as well as one or more graph events. Overwriting the graph with the newest event.
比如，你在log文件下存在兩個events.out.tfevents.******，目錄如下：
-logs
--events.out.tfevents.1
--events.out.tfevents.2
當命令行模式cd到logs下，執行
tensorboard --logdir=./
表示在當前目錄下顯示tensorboard，這時就會報Found more than one graph event per run…錯誤，這是因爲tensorboard運行目錄下必須只能有一個tfevents文件。
Tensorboard
那麼如何在一個tensorboard中顯示多個模型的結果呢？
直奔主題！！
首先你的目錄格式必須如下：
-logs
--1
---events.out.tfevents.1
--2
---events.out.tfevents.2
--3
---events.out.tfevents.3
........
........
接下來你要在命令行中cd到logs文件夾下，然後在執行tensorboard命令：
logs文件夾下存在7個子文件夾，每一個子文件夾下只保存一個tfevents文件！！！
ctrl+鼠標左鍵單擊http://xxxx:6006，打開瀏覽器如下圖：
bingo！！！搞定了 ！！！
左下角顯示的就是logs下的各個文件夾名稱，並自動分配不同顏色，可以單擊選中或不選中其中任何幾個讓其顯示或不顯示，我簡單演示了一下，取消1的效果。
手擼代碼實現
tensorboard有一個很大的問題是，無法添加標註，這個圖沒法放在論文中，這可咋整捏？
直接開幹！
首先我們要獲取數據，數據來源於tensorboard中
要確保你想要下載的數據，你已經選中，否則是無法下載的！點擊上圖中的箭頭所指，彈出如下：
選中你想要保存的模型loss數據，然後點擊CSV，則彈出保存對話框，你可以任意命名。依次全部下載，即可完成模型訓練數據！
假設你保存的數據名稱如下：
--run_2-tag-loss.csv
--run_3-tag-loss.csv
--run_4-tag-loss.csv
接下來，直接上代碼了！！
import pandas as pd
import matplotlib.pyplot as plt
from io import StringIO
net2 = pd.read_csv('run_2-tag-loss.csv', usecols=['Step', 'Value'])
plt.plot(net2.Step, net2.Value, lw=1.5, label='Net-2', color='pink')
net3 = pd.read_csv('run_3-tag-loss.csv', usecols=['Step', 'Value'])
plt.plot(net3 .Step, net3 .Value, lw=1.5, label='Net-3', color='green')
net4 = pd.read_csv('run_4-tag-loss.csv', usecols=['Step', 'Value'])
plt.plot(net4 .Step, net4 .Value, lw=1.5, label='Net-4', color='yellow')
plt.legend(loc=0)
plt.show()
執行結果，如下圖：
代碼
你需要的代碼在這裏，包括數據：
另外，再給一個鏈接，機器學習/深度學習/圖像處理/數學理論/編程等相關書籍彙總，相信你會需要的：
今天就寫到這裏，好記性不如爛筆頭，加油！