Tensorflow之TensorBoard的使用
来源:互联网 发布:2016年双11数据分析 编辑:程序博客网 时间:2024/05/22 04:51
前言
这是对TensorBoard的简单使用 。
简介
Tensorboard是一个web应用程序套件,用于检查tensorflow程序的运行情况。可以直观了解训练情况。
使用
使用summary op。用上一篇文章的例子,用tensorboard记录cost的变化。
加入summary
把待观察的op加入到summary op 的scalar中
# 创建summary来观察损失值tf.summary.scalar("loss", cost)
合并summary op
如果summary op过多需要合并一下。
merged_summary_op = tf.summary.merge_all()
指定保存log文件路径
其实tensorboard的原理就是程序运行完了之后产生log文件,这个东西就是让log数据可视化的显示出来。
那么既然是文件路径的话我们要指定保存文件路径。
logs_path="./example"
会话中执行
首先弄出一个保存的op,使用的是summary.FileWriter保存默认图。
#op 把需要的记录数据写入文件 summary_writer=tf.summary.FileWriter(logs_path,graph=tf.get_default_graph())
执行merged_summary_op
summary=sess.run(merged_summary_op,feed_dict={X: train_X, Y: train_Y})summary_writer.add_summary(summary, epoch * n_samples)
详细代码
# -*- coding: utf-8 -*-# @Time : 2017/12/5 上午9:28# @Author : SkullFang# @Email : yzhang.private@gmail.com# @File : demo2.py# @Software: PyCharmimport tensorflow as tfimport numpy as npimport matplotlib.pyplot as pltimport random#训练参数learning_rate=0.01traing_epochs=1000display_step=50logs_path="./example"# 训练数据train_X = np.asarray([3.3, 4.4, 5.5, 6.71, 6.93, 4.168, 9.779, 6.182, 7.59, 2.167, 7.042, 10.791, 5.313, 7.997, 5.654, 9.27, 3.1])train_Y = np.asarray([1.7, 2.76, 2.09, 3.19, 1.694, 1.573, 3.366, 2.596, 2.53, 1.221, 2.827, 3.465, 1.65, 2.904, 2.42, 2.94, 1.3])n_samples = train_X.shape[0]#定义两个变量的op占位符X=tf.placeholder("float")Y=tf.placeholder("float")#初始化w,bW=tf.Variable(random.random(),name="weight")b=tf.Variable(random.random(),name="bias")#构造线性模型pred=tf.add(tf.multiply(X,W),b)#均方误差#reduce_sum是对每一项进行加和#reduce_sum(x,0)是每一列进行加和,reduce_sum(x,1)是对每一行进行加和cost=tf.reduce_sum(tf.pow(pred-Y,2))/(2*n_samples)#梯度下降optimizer=tf.train.GradientDescentOptimizer(learning_rate).minimize(cost)#初始化所有的变量init=tf.global_variables_initializer()# 创建summary来观察损失值tf.summary.scalar("loss", cost)merged_summary_op = tf.summary.merge_all()#以上都是构造op,只是为了告诉tensorflow 模型的数据流动方向#使用session 启动默认图with tf.Session() as sess: sess.run(init) #初始化 #op 把需要的记录数据写入文件 summary_writer=tf.summary.FileWriter(logs_path,graph=tf.get_default_graph()) for epoch in range(traing_epochs): for (x,y) in zip(train_X,train_Y): sess.run(optimizer,feed_dict={X:train_X,Y:train_Y}) if(epoch+1) % display_step==0: # c, summary = sess.run([cost, merged_summary_op], feed_dict={X: train_X, Y: train_Y}) c= sess.run(cost, feed_dict={X: train_X, Y: train_Y}) summary=sess.run(merged_summary_op,feed_dict={X: train_X, Y: train_Y}) summary_writer.add_summary(summary, epoch * n_samples) # c=sess.run(cost,feed_dict={X:train_X,Y:train_Y}) print("Epoch:", '%04d' % (epoch + 1), "cost=", "{:.9f}".format(c), \ "W=", sess.run(W), "b=", sess.run(b)) print ("optimization Finished") training_cost = sess.run(cost,feed_dict={X:train_X,Y:train_Y}) print ("Training cost=",training_cost,"W=",sess.run(W),"b=",sess.run(b),"\n") #画图 plt.plot(train_X,train_Y,'ro',label="Original data") plt.plot(train_X,sess.run(W)*train_X+sess.run(b),label="Fitted line") plt.legend() plt.show() plt.savefig('linear_train.png') # 测试数据 test_X = np.asarray([6.83, 4.668, 8.9, 7.91, 5.7, 8.7, 3.1, 2.1]) test_Y = np.asarray([1.84, 2.273, 3.2, 2.831, 2.92, 3.24, 1.35, 1.03]) print("Testing... (Mean square loss Comparison)") testing_cost = sess.run( tf.reduce_sum(tf.pow(pred - Y, 2)) / (2 * test_X.shape[0]), feed_dict={X: test_X, Y: test_Y}) # same function as cost above print("Testing cost=", testing_cost) print("Absolute mean square loss difference:", abs( training_cost - testing_cost)) plt.plot(test_X, test_Y, 'bo', label='Testing data') plt.plot(train_X, sess.run(W) * train_X + sess.run(b), label='Fitted line') plt.legend() plt.show() plt.savefig('linear_test.png')
效果
step1
程序运行完了之后程序目录中会多出一个sample的文件夹,里面就是我们的log文件
step2
打开自己的终端
在项目目录下面执行,记得一定是在项目目录下执行。这里就是指定log的文件夹,和端口。
tensorboard --logdir=./example --host 0.0.0.0
这是执行完的效果。
在浏览器中打开
http://0.0.0.0:6006
这就是最终的效果。我们可以看到loss的下降,说明我们学习的很好。横坐标是轮数
阅读全文
0 0
- tensorflow之tensorboard的使用
- Tensorflow之TensorBoard的使用
- tensorflow 的tensorboard使用
- Tensorflow可视化----Tensorboard的使用
- Tensorflow 04: tensorboard的使用
- tensorflow笔记-tensorboard的使用
- tensorflow笔记(三)之 tensorboard的使用
- tensorflow笔记(三)之 tensorboard的使用
- 【Tensorboard】Windows下tensorflow的tensorboard的使用
- Windows下tensorflow的tensorboard的使用
- Tensorflow学习记录10--tensorboard的使用
- tensorflow入门6 tensorboard的使用
- Tensorflow安装和Tensorboard的使用
- Tensorflow学习之TensorBoard
- tensorflow之tensorboard
- Tensorflow-2-Tensorboard使用
- tensorflow安装、tensorboard使用
- TensorFlow学习之路:Tensorboard
- Python3爬虫需要注意的一些东西
- mybatis的xml文件在IDEA中变黄
- Java虚拟机学习笔记整理
- mysql--查询缓存
- 对Hibernate框架的查询进行优化
- Tensorflow之TensorBoard的使用
- spark编程模型与基本架构图
- 动态规划学习(2)
- CSS(十二)
- 生活小记64
- Unity与C#的序列化与反序列化
- 在android studio里怎找到代码相对应的文件
- 虚拟机网络配置笔记===收集资料
- CSS(十三)