【TensorFlow學習筆記】3:認識TensorBoard視覺化計算圖和計算結點
阿新 • • 發佈:2018-12-26
學習《深度學習之TensorFlow》時的一些實踐。
TensorBoard是一個日誌展示系統,在Session中使用tf.summary
中的API將日誌儲存在日誌檔案中,然後通過TensorBoard服務在瀏覽器中就可以讀取這些日誌,檢視圖形化後的資訊。
對線性迴歸做視覺化
上篇的線性迴歸,這裡對預測值Z和損失cost兩個計算結點分別用直方圖和標量形式視覺化。而計算圖預設就會顯示,無需設定。
import tensorflow as tf
import numpy as np
"""生成樣本"""
X_train = np.linspace(-1, 1, 100 )
Y_train = 2 * X_train + np.random.randn(*X_train.shape) * 0.2 - 0.1
"""建立模型"""
X = tf.placeholder("float")
Y = tf.placeholder("float")
W = tf.Variable(tf.random_normal([1]), name="weight")
b = tf.Variable(tf.zeros([1]), name="bias")
Z = tf.multiply(X, W) + b
tf.summary.histogram('z', Z) # 預測值以直方圖形式顯示
cost = tf.reduce_mean(tf.square(Y - Z))
tf.summary.scalar('loss_function', cost) # 損失以標量形式顯示
optimizer = tf.train.GradientDescentOptimizer(learning_rate=0.01).minimize(cost)
"""迭代訓練模型"""
init = tf.global_variables_initializer()
train_epochs = 20
display_step = 2
with tf.Session() as sess:
sess. run(init)
merged_summary_op = tf.summary.merge_all() # 合併前面定義的所有的summary
summary_writer = tf.summary.FileWriter('log/yeq2x', sess.graph) # 用於寫summary
for epoch in range(train_epochs):
for (x, y) in zip(X_train, Y_train):
sess.run(optimizer, feed_dict={X: x, Y: y})
# 在每個epoch都生成summary
summary_str = sess.run(merged_summary_op, feed_dict={X: x, Y: y})
# 然後將summary寫入檔案
summary_writer.add_summary(summary_str, epoch)
print("完成,cost=", sess.run(cost, feed_dict={X: X_train, Y: Y_train}), "W=", sess.run(W), "b=", sess.run(b))
執行完成後,在日誌目錄下就形成了相應的日誌檔案,去到其上級目錄,在命令列下啟動TensorBoard服務:
tensorboard --logdir ./yeq2x
可以看到:
TensorBoard 1.10.0 at http://PC-20180324TODF:6006 (Press CTRL+C to quit)
使用Chrome或者Firefox開啟這個URL即可: