Tensorboard可视化好帮手2
来源:互联网 发布:sqlserver 大数据导入 编辑:程序博客网 时间:2024/05/21 19:39
代码来自莫烦的优酷播单:
莫凡 tensorflow 神经网络 教程:Tensorflow 15 Tensorboard可视化好帮手2
因为Tensorflow现在已经更新到1.0版本了,视频演示里的代码有部分函数需要修改
更新之后的代码如下:
import tensorflow as tfimport numpy as npdef add_layer(inputs, in_size, out_size, n_layer, activation_function=None):#activation_function=None表示没有激活函数 相当于是线性模型layer_name = 'layer%s' % n_layerwith tf.name_scope('layer_name'):with tf.name_scope('weights'):Weights = tf.Variable(tf.random_normal([in_size, out_size]), name = 'W')tf.summary.histogram(layer_name+'/weights', Weights)with tf.name_scope('biases'):biases = tf.Variable(tf.zeros([1, out_size]) + 0.1, name = 'b')#偏置最好不为零所以加了0.1tf.summary.histogram(layer_name+'/biases', biases)with tf.name_scope('Wx_plus_b'):Wx_plus_b = tf.matmul(inputs, Weights) + biasesif activation_function is None:outputs = Wx_plus_belse:outputs = activation_function(Wx_plus_b)tf.summary.histogram(layer_name+'/outputs', outputs)return outputs# 真实数据x_data = np.linspace(-1,1,300)[:,np.newaxis]#None表示可以输入任意的数据noise = np.random.normal(0, 0.05, x_data.shape)# 输入一个均值为0,方差为0.05的高斯噪声,与x_data有相同的shapey_data = np.square(x_data) - 0.5 + noise# 定义神经网络输入的placeholderwith tf.name_scope('inputs'):xs = tf.placeholder(tf.float32,[None,1], name = "x_input")#None表示可以输入任意的数据。因为x_data是300x1的矩阵,所以这里为[None,1]ys = tf.placeholder(tf.float32,[None,1], name = 'y_input')#隐藏层layer1 输入节点1,输出节点10l1 = add_layer(xs, 1, 10, n_layer=1, activation_function = tf.nn.relu)#预测的时候输入时隐藏层的输入l1,输入节点10,输出为y_data 有1个节点prediction = add_layer(l1, 10, 1, n_layer=2, activation_function = None)#计算损失with tf.name_scope('loss'):loss = tf.reduce_mean(tf.reduce_sum(tf.square(ys - prediction), reduction_indices = [1]))#loss是一个纯量的变化,所以不是用histogr。会在SCALARS里显示tf.summary.scalar('loss',loss)with tf.name_scope('train'):train_step = tf.train.GradientDescentOptimizer(0.1).minimize(loss)init = tf.global_variables_initializer()sess = tf.Session()merged = tf.summary.merge_all()writer = tf.summary.FileWriter("C:/Users/zhs/Desktop/TensorFlow/mofan/",sess.graph)# 先加载到一个文件中,然后再加载到浏览器里观看sess.run(init)#只有run的时候才执行,所以第一步是先激活所有变量for i in range(1000):sess.run(train_step, feed_dict={xs:x_data,ys:y_data})if i%50 == 0:result = sess.run(merged, feed_dict={xs:x_data,ys:y_data})writer.add_summary(result, i)
0 0
- Tensorboard可视化好帮手2
- 14 tensorboard 可视化好帮手
- Tensorboard可视化好帮手1
- Tensorflow--Tensorboard 可视化好帮手
- TensorFlow教程 4 Tensorboard 可视化好帮手
- tensorboard可视化
- Tensorflow 可视化 TensorBoard 尝试~
- TensorBoard--TensorFlow可视化
- tensorflow可视化--tensorboard
- tensorflow可视化模块 tensorboard
- TensorBoard-可视化简单例子
- tensorBoard 可视化工具
- Tensorflow学习:Tensorboard可视化
- TensorBoard可视化学习
- Tensorboard 可视化工具
- tensorflow1.1/tensorboard可视化
- TensorBoard数据可视化
- TensorBoard:可视化学习
- 关于Pyhton虚拟环境
- 01-复杂度1 最大子列和问题
- Linux下stat + 文件名后, Access,Modify,Change的含义
- 12.PHP 预定义接口 --- 序列化接口
- SSH(Struts,Spring,Hibernate)和SSM(SpringMVC,Spring,MyBatis)的区别
- Tensorboard可视化好帮手2
- javascript运行机制详解
- ACM程序设计 书中题目Z
- Android CMake
- ccf 目录格式转换
- 函数式编程
- KD_tree 板子
- Maven 手动添加JAR包到本地maven仓库,但在项目中依旧报错找不到JAR包解决方法
- VR小项目(三)