Tensorflow学习随手记（三）

曾经终败给现在 2022-05-15 01:15 249阅读 0赞

Tensorboard的简单实用

核心的写法如下：

例子1

with tf.name_scope('loss'):
        loss = tf.reduce_mean(tf.reduce_sum(tf.square(ys-product),reduction_indices=[1]));

例子2

#定义添加层的方法
    def add_layer(inputs,in_size,out_size,activation_function=None):
        with tf.name_scope('layer'):
            with tf.name_scope('Wegihts'):
                Wegihts = tf.Variable(tf.random_normal([in_size,out_size]),name='W');
            with tf.name_scope('biases'):
                biases = tf.Variable(tf.zeros([1,out_size])+0.1,name='b');
            
            with tf.name_scope('Wx_plus_b'):
                Wx_plus_b = tf.matmul(Wegihts,inputs)+ biases;
            
            if activation_function is None:
                output = Wx_plus_b;
            else:
                output = activation_function(Wx_plus_b);
                
            return output;

将结果输出到某个文件使用如下代码：

sess = tf.Session();
    #tf.train.SummaryWriter 又一个被废弃的方法
    writer = tf.summary.FileWriter("logs/",sess.graph);

编译完成后，使用在控制台，切换到logs对应的父文件夹内，然后运行

tensorboard --logdir=logs

注意，如果是通过Anaconda安装的Tensorflow，相当于是安装了一个tensorflow的虚拟机。因此，要以管理员方式运行Anaconda prompt后，激活Tensorflow环境。最后再切换到logs目录下，然后才是运行tensorboard --logdir=logs.

运行后，可以在浏览器中打开控制台提示的网址，即出现神经网络的层次结构。如下图所示

![70][]

每一层如下图所示

![70 1][]

记录数据变化，可以使用如下方法

tf.summary.histogram(lay_name+'/biases',biases);

loss误差值的记录，使用如下代码

tf.summary.scalar('loss',loss);

在需要记录的时候，都需要运行如下代码，用于生成最新的数据信息。

merge = tf.summary.merge_all();
    result = sess.run(merge,feed_dict={xs:x_data,ys:y_data});
    writer.add_summary(result,i);

最终会形成一个如下图所示的图表

1,loss

![70 2][]

2,其他historgram

![70 3][]

目前还看不懂这些图表的含义，只能先放着，等以后慢慢理解。

[70]: /images/20220515/043b6c521c9c4664ad53e3c1a43b9831.png
[70 1]: /images/20220515/94b374bc0d914baaa6f1f55f961e9e60.png
[70 2]: /images/20220515/7d653a83115c4bb2ad343f55511d90e4.png
[70 3]: /images/20220515/d6c491a56a594b84b649d965dc0cbfeb.png