tensorflow可视化

tensorboard的使用

        在tensorflow中，tensorflow是一种基于计算图的深度学习框架，但是在用tensorflow进行开发的过程中，尽管逻辑清晰，但是在程序的编写过程中，直观性并不怎么强，幸好，在谷歌团队开发tensorflow的同时，开发了其相应的可视化具：tensorboard,
tensorboard极大的方便了程序设计人员对于机器学习算法逻辑的可再现性，可以很清楚的了解到算法的结构图，以下便是我在实践过程中，对于tensorboard可视化的实践过程。
 首先输入如下代码：
 

#coding:UTF-8
'''
Date:20180124
@author:WangQuan
title:tensorboard
'''
import tensorflow as tf
a=tf.constant(2,name="input_a")
b=tf.constant(3,name="input_b")
c=tf.add(a,b,name="sum_a_b")
d=tf.multiply(a,b,name="multiply_a_b")
e=tf.add(c,d,name="add_c_d")
sess=tf.Session()
output=sess.run(e)
writer=tf.summary.FileWriter("./first_graph",sess.graph)
writer.close()
sess.close()

 在上面的代码中，首先对于每一个结点的取值，为了在图中更好的显示，需要在给结点赋值的同时，需要指定结点的名字，
经过每次运算，得到其结果，再给输出结点同样取对应的名字，不论是赋值操作，还是运算操作，都可以为name参数指定相应
的名字。其中的summary.FileWriter()函数中的第一个参数（代码中的"./first_graph")指的是关于计算图的描述所在的文件的存
放路径(代码中的路径指的是当前目录下的first_graph目录下),第二个参数是Session()的graph属性，它是tensorflow中的计算图管理器，这个属性引用了所要找的计算图资源，并把计算图输出到当前目录下的first_graph目录下。执行流程如下：
 首先运行上面的程序，会看到下面的结果：
 然后输入在终端输入命令:

 然后再浏览器上输入http://localhost:6006，如图所示：

 回车便可以看到下面的结果：


这样tensorboard可视化过程便全部完成了。