TensorFlowsummary_pb2Summary()的数据格式和存储方式

TensorFlow的summary模块提供了一种将训练过程中的数据保存为protobuf格式的方法，可以用于可视化和分析。TensorFlow将summary数据保存为SummaryProtocolBuffer类型的对象，并将其写入事件文件中。

SummaryProtocolBuffer是一个具有多个字段的消息类型。以下是SummaryProtocolBuffer的定义：

message Summary {
  repeated Value value = 1;
  repeated HistogramProto histo = 2;
  repeated TensorProto tensor = 3;
  repeated string tag = 4;
}

SummaryProtocolBuffer包含以下四个字段：

- value: Value类型的重复字段。Value是一个带有单个字段value的消息类型，value字段的类型可以是float, double, int64, uint64, int32, or uint32。

- histo: HistogramProto类型的重复字段。HistogramProto是一个带有多个字段的消息类型，包含用于表示直方图信息的数据。

- tensor: TensorProto类型的重复字段。TensorProto是一个带有多个字段的消息类型，包含用于表示张量信息的数据。

- tag: string类型的重复字段，用于标识每个value、histo和tensor字段对应的标签。

下面是一个使用tf.summary.scalar()函数将损失函数写入summary文件的例子：

import tensorflow as tf

# 使用tf.summary.scalar()函数写入scalar类型的summary
with tf.name_scope('loss'):
    loss = tf.reduce_mean(tf.square(y_true - y_pred))
    tf.summary.scalar('loss', loss)
    
# 创建SummaryProtocolBuffer对象
summary_op = tf.summary.merge_all()

with tf.Session() as sess:
    # 创建summary writer
    writer = tf.summary.FileWriter('logs/', sess.graph)
    
    # 运行summary_op，并将其写入summary writer
    summary = sess.run(summary_op)
    writer.add_summary(summary, global_step=0)
    
    # 关闭summary writer
    writer.close()

在上面的例子中，首先使用tf.summary.scalar()函数创建一个summary op，将损失函数loss传递给该函数。然后使用tf.summary.merge_all()函数将所有的summary op合并为一个操作。接下来，创建一个SummaryWriter对象，并将其指定的目录设置为'logs/'，以便将summary写入该目录下的文件中。创建summary_writer对象后，使用sess.run(summary_op)计算summary，然后使用writer.add_summary()将其写入文件中。

存储的方式实际上是将summary数据以protobuf格式保存到事件文件中。可以使用TensorBoard读取事件文件，并可视化其中的summary数据。使用以下命令启动TensorBoard：

tensorboard --logdir=logs/

然后，在浏览器中打开http://localhost:6006，就可以看到可视化的summary数据。