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
tf.summary.scalar('
accuracy
',acc) #
生成準確率標量圖
merge_summary =tf.summary.merge_all()
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
......(交叉熵、優化器等定義)
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
此時開啟tensorborad：
tensorboard –logdir=/summary_dir
便能看見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
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
示例：
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
......(交叉熵、優化器等定義)
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
SharpZipLib使用示例
sharpziplib使用示例 zipinputstream gzipinputstream用於解壓縮deflate gzip格式流，zipoutputstream gzipoutputstream用於壓縮deflate gzip格式流。streamutil類包含了幾個stream處理輔助方法 co...
ConfigEngine使用示例
configengine使用示例 簡要過程如下 步驟3 編寫你的配置定義檔案 raw.f。步驟4 呼叫confengine裡的genconf.py編譯raw.f,生成raw.h.第一步，定義需要的配置項，儲存在raw.f raw.f檔案的解釋如下 第三列為預設值。注意列是由空白分開的，所以如果預設值...
使用陣列示例
namespace cards public hand south public hand west public hand east public void clear public void returnhandsto pack pack private hand north new hand ...