TensorFlow命名空间和TensorBoard图节点

来源:互联网 发布:伊利丹7.3知乎 编辑:程序博客网 时间:2024/06/05 21:58

一,命名空间函数
tf.variable_scope
tf.name_scope
先以下面的代码说明两者的区别

 # 命名空间管理函数'''说明tf.variable_scope和tf.name_scope的区别'''def manage_namespace():    with tf.variable_scope("foo"):        # 在命名空间foo下获取变量"bar",于是得到的变量名称为"foo/bar"。        a = tf.get_variable("bar",[1])   #获取变量名称为“bar”的变量        print a.name       #输出:foo/bar:0    with tf.variable_scope("bar"):        # 在命名空间bar下获取变量"bar",于是得到的变量名称为"bar/bar"。        a = tf.get_variable("bar",[1])        print a.name       #输出:bar/bar:0    with tf.name_scope("a"):        # 使用tf.Variable函数生成变量会受tf.name_scope影响,于是得到的变量名称为"a/Variable"。        a = tf.Variable([1])    #新建变量        print a.name        #输出:a/Variable:0        # 使用tf.get_variable函数生成变量不受tf.name_scope影响,于是变量并不在a这个命名空间中。        a = tf.get_variable("b",[1])        print a.name       #输出:b:0    with tf.name_scope("b"):        # 使用tf.get_variable函数生成变量不受tf.name_scope影响,所以这里将试图获取名称       # 为“b”的变量。然而这个变量已经被声明了,于是这里会报重复声明的错误        tf.get_variable("b",[1])#提示错误

二,TensorBoard计算图查看
1 以以下代码实例,为指定任何的命名空间

def practice_num1():# 练习1: 构建简单的计算图    input1 = tf.constant([1.0, 2.0, 3.0],name="input1")    input2 = tf.Variable(tf.random_uniform([3]),name="input2")    output = tf.add_n([input1,input2],name = "add")#生成一个写日志的writer,并将当前的tensorflow计算图写入日志    writer = tf.summary.FileWriter(ROOT_DIR + "/log",tf.get_default_graph())    writer.close()

如何使用TensorBoard的过程不再介绍。查看未指明命名空间的运算图
这里写图片描述

2 修改代码制定命名空间之后的代码

def practice_num1_modify():    #将输入定义放入各自的命名空间中,从而使得tensorboard可以根据命名空间来整理可视化效果图上的节点    # 练习1: 构建简单的计算图    with tf.name_scope("input1"):        input1 = tf.constant([1.0, 2.0, 3.0],name="input1")    with tf.name_scope("input2"):        input2 = tf.Variable(tf.random_uniform([3]),name="input2")    output = tf.add_n([input1,input2],name = "add")#生成一个写日志的writer,并将当前的tensorflow计算图写入日志    writer = tf.summary.FileWriter(ROOT_DIR + "/log",tf.get_default_graph())    writer.close()

查看运算图
这里写图片描述
上图只包含命名的两个命名空间的节点,我们可以点击名称“input2”的图标上的+号,展开该命名空间
这里写图片描述
效果:通过命名空间可以整理可视化效果图上的节点,使可视化的效果更加清晰。

原创粉丝点击