TensorBoard 最小的例子

  1. S 通过定义线性模型的变量和占位符来实现:
# Assume Linear Model y = w * x + b
# Define model parameters
w = tf.Variable([.3], name='w',dtype=tf.float32)
b = tf.Variable([-.3], name='b', dtype=tf.float32)
# Define model input and output
x = tf.placeholder(name='x',dtype=tf.float32)
y = w * x + b
  1. 初始化会话,并在此会话的上下文中,执行以下步骤:
    • 初始化全局变量
    • 创建tf.summary.FileWriter将使用默认图中的事件在tflogs文件夹中创建输出
    • 获取节点y的值,有效地执行我们的线性模型
with tf.Session() as tfs:
    tfs.run(tf.global_variables_initializer())
    writer=tf.summary.FileWriter('tflogs',tfs.graph)
    print('run(y,{x:3}) : ', tfs.run(y,feed_dict={x:3}))
  1. 我们看到以下输出:
run(y,{x:3}) :  [ 0.60000002]

当程序执行时,日志将收集在tflogs文件夹中,TensorBoard 将使用该文件夹进行可视化。打开命令行界面,导航到运行ch-01_TensorFlow_101笔记本的文件夹,然后执行以下命令:

tensorboard --logdir='tflogs'

您会看到类似于此的输出:

Starting TensorBoard b'47' at http://0.0.0.0:6006

打开浏览器并导航到 http://0.0.0.0:6006 。看到 TensorBoard 仪表板后,不要担心显示任何错误或警告,只需单击顶部的 GRAPHS 选项卡即可。您将看到以下屏幕:

TensorBoard console

您可以看到 TensorBoard 将我们的第一个简单模型可视化为计算图:

Computation graph in TensorBoard

现在让我们试着了解 TensorBoard 的详细工作原理。

results matching ""

    No results matching ""