TensorFlow:tensorboard网络结构

Posted felixwang2

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TensorFlow:tensorboard网络结构相关的知识,希望对你有一定的参考价值。

# MNIST数据集 手写数字
import tensorflow as tf
from tensorflow.examples.tutorials.mnist import input_data

# 载入数据集
mnist=input_data.read_data_sets(MNIST_data,one_hot=True)
# 每个批次的大小
batch_size=100
# 计算一共有多少个批次
n_batch=mnist.train.num_examples//batch_size

# 命名空间
with tf.name_scope(input):
    # 定义两个placeholder
    x=tf.placeholder(tf.float32,[None,784],name=x-input)
    y=tf.placeholder(tf.float32,[None,10],name=y-input)
    
with tf.name_scope(layer):
    # 创建一个简单的神经网络
    with tf.name_scope(wights):
        W=tf.Variable(tf.zeros([784,10]),name=W)
    with tf.name_scope(biases):
        b=tf.Variable(tf.zeros([10]),name=b)
    with tf.name_scope(wx_plus_b):
        wx_plus_b=tf.matmul(x,W)+b
    with tf.name_scope(softmax):
        prediction=tf.nn.softmax(wx_plus_b)

with tf.name_scope(loss):
    # 二次代价函数
    loss=tf.reduce_mean(tf.square(y-prediction))
with tf.name_scope(train):
    # 使用梯度下降法
    train_step=tf.train.GradientDescentOptimizer(0.2).minimize(loss)

# 初始化变量
init=tf.global_variables_initializer()

with tf.name_scope(accuracy):
    with tf.name_scope(correct_prediction):
        # 求最大值在哪个位置,结果存放在一个布尔值列表中
        correct_prediction=tf.equal(tf.argmax(y,1),tf.argmax(prediction,1))# argmax返回一维张量中最大值所在的位置
    with tf.name_scope(accuracy):
        # 求准确率
        accuracy=tf.reduce_mean(tf.cast(correct_prediction,tf.float32)) # cast作用是将布尔值转换为浮点型。
with tf.Session() as sess:
    sess.run(init)
    writer=tf.summary.FileWriter(logs/,sess.graph) # 写入文件
    
    
    for epoch in range(1):
        for batch in range(n_batch):
            batch_xs,batch_ys=mnist.train.next_batch(batch_size)
            sess.run(train_step,feed_dict={x:batch_xs,y:batch_ys})
        #求准确率
        acc=sess.run(accuracy,feed_dict={x:mnist.test.images,y:mnist.test.labels})
        print(Iter:+str(epoch)+,Testing Accuracy:+str(acc))
        

注意:执行后会在当前目录下生成logs文件夹。打开cmd,进入当前文件夹。输入:tensorboard --logdir=C:UsersFELIXDesktop ensor学习logs

技术分享图片

然后打开浏览器,输入图中的网址,就可以查看了。

 技术分享图片

技术分享图片

有好多TensorFlow中的信息等待探索。

 

以上是关于TensorFlow:tensorboard网络结构的主要内容,如果未能解决你的问题,请参考以下文章

TensorFlow:tensorboard网络结构

TensorFlow基础9——tensorboard显示网络结构

Tensorflow学习教程------tensorboard网络运行和可视化

Tensorflow机器学习入门——网络可视化TensorBoard

tensorflow学习之使用tensorboard 展示神经网络的graph/histogram/scalar

Tensorflow搭建神经网络及使用Tensorboard进行可视化