使用TensorBoard将图可视化

本文介绍了如何利用TensorFlow创建简单的加法操作,并将计算图保存为events文件。然后,详细说明了启动TensorBoard的步骤,通过在浏览器中输入指定地址来查看和理解模型。最后,强调了在定义变量时设置name属性以便于在TensorBoard中识别变量的重要性。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >


TensorFlow可用于训练大规模深度神经网络所需的计算,使用该工具涉及的计算往往复杂而深奥。为了更方便TensorFlow程序的理解、调试和优化,TensorFlow提供了TensorBoard可视化工具。以a、b两数的和为例。

一、数据序列化成events文件

import tensorflow as tf
def events_demo():
    a = tf.constant(20,name='a')
    b = tf.constant(30,name='b')
    c = a + b
    print('c:',c)

    #开启会话
    with tf.Session() as sess:
        c_value = sess.run(c)
        print('c_value:',c_value)
        #sess的图属性
        print('sess的图属性:',sess.graph)
        #将图写入本地生成的events文件
        writer = tf.summary.FileWriter('e:/events/project',graph=tf.getdefault_graph())
        writer.close()
        
if __name__=='__main__':
    events_demo()

二、启动TensorBoard

Tensorboard -– logdir=’e:/events/project

cmd操作

在浏览器中打开TensorBoard的图页面,输入http://localhost:6006,得到结果
浏览器操作

三、总结

在定义变量时,加入name属性,在显示的图中有自定义的变量名

### 比较ClaudeGPT两个AI模型 #### 性能与规模 GPT-4被描述为一个拥有1.8万亿参数的专家混合(MoE)模型,这表明其在处理复杂任务时具有极高的灵活性效率[^3]。相比之下,Claude由Anthropic公司开发,虽然具体参数量未完全公开,但它以其高效的推理能力较低的成本著称[^4]。 #### 训练数据与能力范围 GPT系列模型通过大量互联网文本进行训练,能够广泛应用于多种自然语言处理任务,如对话生成、代码编写、翻译等[^1]。而Claude则特别强调安全性与可控性,在敏感话题处理上表现更为谨慎,适合需要高度隐私保护的应用场景。 #### 用户体验与定制化服务 对于用户体验而言,两者都提供了强大的API接口支持开发者集成到各自的产品中去。不过,Claude更注重于提供简单易用且灵活调整参数选项给用户以便更好地适应特定需求;与此同时,GPT也不断优化其提示工程技术(prompt engineering),使得即使是非技术人员也能轻松利用这些先进功能来完成工作目标[^2]。 ```python import openai from anthropic import Anthropic, HUMAN_PROMPT, AI_PROMPT # Example of using GPT API openai.api_key = 'your_openai_api_key' response_gpt = openai.Completion.create(engine="text-davinci-003", prompt="Tell me a joke.", max_tokens=50) print(response_gpt.choices[0].text.strip()) # Example of using Claude API anthropic = Anthropic(api_key='your_claude_api_key') completion_claude = anthropic.completions.create( model="claude-v1", max_tokens_to_sample=30, temperature=0.7, prompt=f"{HUMAN_PROMPT} Tell me an interesting fact.{AI_PROMPT}", ) print(completion_claude.completion.strip()) ``` #### 成本效益分析 当考虑成本因素时,Claude通常被认为是一个更具性价比的选择,因为它能够在保持高性能的同时减少计算资源消耗从而降低运营费用。然而,如果项目预算充足并且追求极致效果的话,则可能倾向于选用具备更大规模参数以及更强泛化能力的GPT版本。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

极客范儿

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值