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
然后打开浏览器,输入图中的网址,就可以查看了。
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