查看: 74|回复: 0

Tensorflow机器学习入门——网络可视化TensorBoard

[复制链接]
发表于 2020-2-16 05:57:56 | 显示全部楼层 |阅读模式
一、在代码中标志要显示的各种量
tensorboard各函数的作用和用法请参考:https://www.cnblogs.com/lyc-seu/p/8647792.html
  1. import tensorflow as tfimport numpy as npimport matplotlib.pyplot as pltimport os#设置当前工作目次os.chdir(r'H:\Notepad\Tensorflow')def add_layer(inputs, in_size, out_size, n_layer, activation_function=None):    layer_name = 'layer%s' % n_layer    with tf.name_scope(layer_name):            weights = tf.Variable(tf.random_normal([in_size, out_size]), name='W')        biases = tf.Variable(tf.zeros([1, out_size]) + 0.1, name='b')        Wx_plus_b = tf.add(tf.matmul(inputs, Weights), biases)        if activation_function is None:            outputs = Wx_plus_b        else:            outputs = activation_function(Wx_plus_b, )                #histogram用来显示练习过程中变量的分布情况            tf.summary.histogram(layer_name + '/weights', Weights)    tf.summary.histogram(layer_name + '/biases', biases)    tf.summary.histogram(layer_name + '/outputs', outputs)            return outputs    #数据   x_data = np.linspace(-1,1,300)[:, np.newaxis]noise = np.random.normal(0, 0.05, x_data.shape)y_data = 5*np.square(x_data) - 0.5 + noise#输入with tf.name_scope('inputs'):    xs = tf.placeholder(tf.float32, [None, 1], name='x_input')    ys = tf.placeholder(tf.float32, [None, 1], name='y_input')#3层网络l1 = add_layer(xs, 1, 10, 1,activation_function=tf.nn.relu)l2 = add_layer(l1, 10, 10,2, activation_function=tf.nn.relu)prediction = add_layer(l2, 10, 1,3, activation_function=None)#损失与练习with tf.name_scope('loss'):    loss = tf.reduce_mean(tf.reduce_sum(tf.square(ys - prediction),                                        reduction_indices=[1]))    tf.summary.scalar('loss-haha', loss)with tf.name_scope('train'):    train_step = tf.train.GradientDescentOptimizer(0.1).minimize(loss)#运行    init = tf.global_variables_initializer()#merge_all 可以将所有summary全部保存到磁盘,以便tensorboard显示。merged = tf.summary.merge_all()with tf.Session() as sess:    sess.run(init)
  2.   #FileWriter指定一个文件用来保存图。可以调用其add_summary()方法将练习过程数据保存在filewriter指定的文件中    writer = tf.summary.FileWriter("logs/", sess.graph)#输出Graph    for i in range(10000):        sess.run(train_step, feed_dict={xs: x_data, ys: y_data})        if i % 50 == 0:            result = sess.run(merged,feed_dict={xs: x_data, ys: y_data})            writer.add_summary(result, i)   
复制代码
二、在log文件夹所在目次打开cmd,并输入‘     tensorboard --logdir=logs     ’


三、在google Chrome欣赏器中输入cmd中给出的网址: http://Fengqiao_x:6006

本帖子中包含更多资源

您需要 登录 才可以下载或查看,没有帐号?用户注册

x

相关技术服务需求,请联系管理员和客服QQ:2753533861或QQ:619920289
您需要登录后才可以回帖 登录 | 用户注册

本版积分规则

帖子推荐:
客服咨询

QQ:2753533861

服务时间 9:00-22:00

快速回复 返回顶部 返回列表