7.可视化利器TensorBoard
Posted traditional
tags:
篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了7.可视化利器TensorBoard相关的知识,希望对你有一定的参考价值。
import tensorflow as tf # 构造图的结构 # 使用一个线性方程 y = w * x + b w = tf.Variable(2.0, dtype=tf.float32, name=‘weight‘) # 权重 b = tf.Variable(1.0, dtype=tf.float32, name=‘bias‘) # 偏差 # 占位符,之后添加值 x = tf.placeholder(dtype=tf.float32, name=‘input‘) # 输入 with tf.name_scope(‘output‘): y = w * x + b # 输出 # 定义保存日志的路径 path = ‘./log‘ # 一旦定义Variable一定要初始化,不同于constant,定义constant自动初始化 # 创建用于初始化所有Variable的操作,而且init也同样需要run一下。 init = tf.global_variables_initializer() # 创建session with tf.Session() as sess: sess.run(init) # 实现初始化变量,必须要run,权重和偏差就真正的被初始化了 # 用于tensorboard展示,传入日志路径和graph writer = tf.summary.FileWriter(path, sess.graph) # run,之前的x还没赋值,所以使用feed_dict传值 result = sess.run(y, feed_dict={x: 3.0}) print(f‘y={result}‘) # 打印y = w*x + b的值 ‘‘‘ y=7.0 ‘‘‘
执行程序之后,会多出一个log文件夹
用tensorboard打开
以上是关于7.可视化利器TensorBoard的主要内容,如果未能解决你的问题,请参考以下文章
深度学习pytorch使用tensorboard可视化实验数据
深度学习pytorch使用tensorboard可视化实验数据