tensorboard显示loss

最新推荐文章于 2025-05-15 17:22:53 发布

Lxiaohuli

最新推荐文章于 2025-05-15 17:22:53 发布

阅读量1.9k

点赞数

CC 4.0 BY-SA版权

分类专栏： python算法教程习题

本文链接：https://blog.youkuaiyun.com/Lxiaohuli/article/details/82789572

python算法教程习题专栏收录该内容

0 篇文章

订阅专栏

本文介绍了一个使用卷积神经网络(CNN)在MNIST数据集上进行手写数字识别的训练过程。通过TensorFlow框架实现，详细记录了如何设置训练参数，包括损失函数的监控、批处理大小、迭代次数等，并介绍了如何使用TensorBoard可视化训练过程中的损失变化。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

在mnist数据集中

#添加节点
tf.summary.scalar('loss', loss)



#汇总记录节点
merge = tf.summary.merge_all()


#开启会话
with tf.Session() as sess:
    sess.run(init)
    #文件保存位置
    summary_writer = tf.summary.FileWriter('/home/penelope/workspace/python/cnn/learning/sigai/mnist/log', graph=tf.get_default_graph())

    for epoch in range (20):
        for batch in range (batchSize):
            batch_x,batch_y=mnist.train.next_batch(batchSize)
            sess.run(optimizer,feed_dict={x:batch_x,y:batch_y,keepProb:0.1})
            # 将所有日志写入文件
            if batch == 0:
                summary = sess.run(merge, feed_dict={x:batch_x,y:batch_y})
                summary_writer.add_summary(summary, epoch *batchSize)


    training_cost = sess.run(loss,feed_dict={x:mnist.test.images,y:mnist.test.labels})

将terminal切换到summary_writer目录下（log目录的上一级目录），切换到tensorflow环境，输入