tf學習中，經常看到tensor.eval這樣的用法。
tensor.eval()的意義和sess.run()一樣，t.eval()等效於sess.run(t).
但是二者也有些微區別,run可以同時執行多個tensor，比如：
t = tf.constant(11.0)
u = tf.constant(37.0)
tu = tf.mul(t, u)
ut = tf.mul(u, t)
with sess.as_default():
tu.eval() # runs one step
ut.eval() # runs one step
sess.run([tu, ut])
ummary_waiter = tf.summary.filewriter("log",tf.get_default_graph())tf.summary有諸多函式：
tf.summary.scalar用來顯示標量資訊，其格式為：
tf.summary.scalar(tags, values, collections=none, name=none)一般在畫loss,accuary時會用到這個函式。
2、tf.summary.histogram
用來顯示直方圖資訊，其格式為：
tf.summary.histogram(tags, values, collections=none, name=none)一般用來顯示訓練過程中變數的分布情況
3、tf.summary.distribution
分布圖，一般用於顯示weights分布
4、tf.summary.text可以將文字型別的資料轉換為tensor寫入summary中
text = """/a/b/c\\_d/f\\_g\\_h\\_2017""";summary_op0 = tf.summary.text('text', tf.convert_to_tensor(text))
5、tf.summary.image輸出帶影象的probuf，彙總資料的影象的的形式如下： ' tag /image/0', ' tag /image/1'...，如：input/image/0等。
格式：tf.summary.image(tag, tensor, max_images=3, collections=none, name=non
6、tf.summary.audio展示訓練過程中記錄的音訊
7、tf.summary.merge_allmerge_all 可以將所有summary全部儲存到磁碟，以便tensorboard顯示。如果沒有特殊要求，一般用這一句就可一顯示訓練時的各種資訊了。
8、tf.summary.filewriter
指定乙個檔案用來儲存圖。
格式：tf.summary.filewritter(path,sess.graph)
可以呼叫其add_summary（）方法將訓練過程資料儲存在filewriter指定的檔案中
tensorflow summary 用法示例:
此時開啟tensorborad能看見accuracy曲線了。
另外，如果我不想儲存所有定義的summary資訊，也可以用tf.summary.merge方法有選擇性地儲存資訊：
9、tf.summary.merge
格式：tf.summary.merge(inputs, collections=none, name=none)
一般選擇要儲存的資訊還需要用到tf.get_collection()函式
tf.summary.scalar('accuracy',acc) #生成準確率標量圖
merge_summary = tf.summary.merge([tf.get_collection(tf.graphkeys.summaries,'accuracy'),...(其他要顯示的資訊)])
train_writer = tf.summary.filewriter(dir,sess.graph)#定義乙個寫入summary的目標檔案，dir為寫入檔案位址
for step in xrange(training_step): #訓練迴圈
train_summary = sess.run(merge_summary,feed_dict = )#呼叫sess.run執行圖，生成一步的訓練過程資料 train_writer.add_summary(train_summary,step)#呼叫train_writer的add_summary方法將訓練過程以及訓練步數儲存使
python的eval exec函式使用總結
eval函式 一 函式的作用 將字串str當成有效的表示式來求值並返回計算結果。它要執行的 python 只能是單個運算表示式 不支援任意形式的賦值操作 而不能是複雜的 邏輯。二 函式的定義 eval expression,globals none,locals none 引數說明 expressi...
Tensorflow 多元線性回歸實現的總結
tensorflow 多元線性回歸實現的總結 1，定義演算法公式，也就是神經網路forward時的計算 2，定義loss，選定優化器，並指定優化器優化loss 3，迭代地對資料進行訓練 4，在測試集或驗證集上對準確率進行評測 1，定義演算法公式，也就是神經網路forward時的計算 from ten...
scala dataframe udf 函式總結
def cosinedistence ve1 vetor,ve2 vector double sum var x1sum v1.map x1 math.pow x1,2 sum x1sum math.pow x1sum,1.0 2 var x2sum v2.map x2 math.pow x2,2 ...