tensorflow006_变量op及tensorboard可视化学习

一，变量的的创建、初始化、保存和加载

其实变量的作用在语言中相当，都有存储一些临时值的作用或者长久存储。在Tensorflow中当训练模型时，用变量来存储和更新参数。变量包含张量（Tensor）存放于内存的缓存区。建模时它们需要被明确地初始化，模型训练后它们必须被存储到磁盘。值可在之后模型训练和分析是被加载。
1，变量的创建
创建当一个变量时，将你一个张量作为初始值传入构造函数Variable().TensorFlow提供了一系列操作符来初始化张量，值初始的英文常量或是随机值。像任何一样Tensor，创建的变量Variable()可以用作图中其他操作的输入。此外，为Tensor该类重载的所有运算符都被转载到变量中，因此您也可以通过对变量进行算术来将节点添加到图形中。

x = tf.Variable(5.0,name="x")
weights = tf.Variable(tf.random_normal([784, 200], stddev=0.35),name="weights")
biases = tf.Variable(tf.zeros([200]), name="biases")

2，变量的初始化
变量的初始化必须在模型的其它操作运行之前先明确地完成。最简单的方法就是添加一个给所有变量初始化的操作，并在使用模型之前首先运行那个操作。最常见的初始化模式是使用便利函数 initialize_all_variables()将Op添加到初始化所有变量的图形中。

nit_op = tf.global_variables_initializer()

with tf.Session() as sess:
  sess.run(init_op)

二，tensorboard可视化学习

tensorflow有一个可视化的web端，这也是tensorflow的优势
1，数据序列化—event文件
tensorboard通过读取tensorflow的事件来运行
2，写入事件文件

tf.summary.FileWriter('./tmp/tensorflow/summary/test',graph=)

3，增加变量显示
在这里插入图片描述
返回filewriter，写入事件文件到指定目录，以提供给tensorboard使用，在g raph=指定写入的图
4，开启

tensorboard --logdir="./tmp/tensorflow/summary/test"

在浏览器打开127.0.0.1:6006查看

完整代码

import tensorflow as tf

a = tf.constant(3.0)
b = tf.constant(4.0)
sum1 = tf.add(a, b)

#将tensor放入变量中
sum_vis = tf.Variable(sum1)
#初始化所有变量
init_op = tf.global_variables_initializer()
with tf.Session() as sess:
  print(sess.run(init_op))
  sess.run(sum1)

#将程序的图写入事件文件
summary_writer = tf.summary.FileWriter('./tmp/tensorflow/test1', graph=sum1.graph)
#在控制台通过tensorboard --logdir="./tmp/tensorflow/test1"  启动

在这里插入图片描述

本文链接：https://blog.csdn.net/qq_38441692/article/details/87925674

智能推荐

tensorflow可视化--tensorboard

在训练过程中，可以通过tensorboard来查看运行的图以及误差等数据的变化过程，以下介绍tensorboard的几个模块。（一）简单的结构说明 (1)整个大框架说明如图1所示，tensorboard的结构包括：inputs，layer1，layer2，loss，train这几个大框架，这几个框架是在同一层次的。图1 整个网络的大框架结构图（2）每个layer的细则如图2所示，tens...

Tensorboard 可视化 Tensorflow

1. tensorborad查看神经网络结构: 使用这样的代码为你的结构命名：缩进部分是你的相应的结构当然，我们要在程序运行后，保存在日志文件：在创建完你的 sess=tf.Session()后面加入以下代码：这是表示，将日志存在你的代码位置下的logs文件夹。然后进入命令行（windows下要先**你的tensorflow环境），进入logs所在位置如上图，输入...

TensorFlow学习笔记02：TensorBoard可视化入门

TensorFlow学习笔记02：TensorBoard可视化入门一、TensorBoard概述 TensorBoard是TensorFlow的可视化工具通过TensorFlow程序运行过程中输出的日志文件可视化TensorFlow程序的运行状态 TensorBoard和TensorFlow程序跑在不同的进程中 TensorFlow (pr...

TensorFlow学习笔记（二）之可视化(Tensorboard）

一、Tensorboard简介 Tensorboard是TensorFlow自带的一个强大的可视化工具，也是一个web应用程序套件。通过将tensorflow程序输出的日志文件的信息可视化使得tensorflow程序的理解、调试和优化更加简单高效。支持其七种可视化： SCALARS：展示训练过程中的准确率、损失值、权重/偏置的变化情况 IMAGES：展示训练过程中及记录的图像 AUDIO：展示训练...

TensorFlow学习笔记（八）——TensorBoard可视化

前言：训练神经网络十分复杂，有时需要几天甚至几周的时间。为了更好的管理、调试和优化神经网络的训练过程，TensorFlow提供了一个可视化工具TensorBoard。本文将介绍TensorFlow 的可视化工具 TensorBoard。TensorBoard 是 TensorFlow 自带的工具，不需要额外的安装过程。虽然TensorBoar...