TensorBoard視覺化的實戰練習

tensorflow使用 tensorboard 來提供計算圖形的圖形影象，這使得理解、除錯和優化複雜的神經網路程式變得很方便。另外，tensorboard 也可以提供有關網路執行的量化指標，如tensor（張量/節點）、圖結構與監控變數等。它讀取 tensorflow 事件檔案，其中包含執行 tensorflow 會話期間生成的摘要資料。

1、原理

建立寫日誌節點：

# log：當前檔案路徑下的資料夾

writer=tf.summary.filewriter(「log」,tf.get_default_graph())

2、實戰

（1）目的：將常量input1與變數input2相加；

（2）**：

import tensorflow as tf

from tensorboard import summary
with tf.name_scope('input1'):
input1=tf.constant([1.0,2.0,3.0],name="input1")
with tf.name_scope('input2'):
input2=tf.variable(tf.random_uniform([3]),name="input2")
output=tf.add_n([input1,input2],name="add")
writer=tf.summary.filewriter("log",tf.get_default_graph())
writer.close()

注意：

（6）停止終端：ctrl + c

TensorBoard模型視覺化

tensorboard是乙個基於瀏覽器的互動式工具，可以讓我們看到學習過程，並探索我們訓練好的模型。要執行tensorboard，首先到命令終端 開始 anaconda anaconda prompt,輸入activate tensorflow 然後，告訴tensorboard記錄的相關摘要 ten...

Tensorboard視覺化流程

在session會話中，加入視覺化 記住你的路徑！with tf.session as sess 你的內容 模型視覺化輸出 writer tf.summary.filewriter lenet ln1 graph tf.get default graph writer.close 然後輸入cmd,開...

tensorboard 視覺化的訓練

1.使用 with tf.name scope layer 加標籤 def add layer inputs,in size,out size,activation function none with tf.name scope layer with tf.name scope weights w...