6、深度学习中的TensorFlow应用与梯度下降挑战

深度学习中的TensorFlow应用与梯度下降挑战

1. 利用TensorBoard可视化计算图和学习过程

在设置好摘要统计信息的日志记录后，就可以对收集的数据进行可视化。TensorFlow自带可视化工具TensorBoard，它提供了一个易于使用的界面来浏览摘要统计信息。

1.1 启动TensorBoard

启动TensorBoard很简单，只需运行以下命令：

tensorboard --logdir=<absolute_path_to_log_dir>

其中， logdir 标志应设置为 tf.train.SummaryWriter 配置为序列化摘要统计信息的目录。要确保传递的是绝对路径，否则TensorBoard可能无法找到日志。成功启动后，可在浏览器中访问 http://localhost:6006/ 查看数据。

1.2 TensorBoard界面

• 标量摘要信息 ：第一个标签包含收集的标量摘要信息，可观察到每个小批量的成本和验证误差随时间下降的情况。
• 计算图可视化 ：还有一个标签可用于可视化构建的完整计算图。虽然该图不太容易解释，但在遇到意外行为时，它可作为有用的调试工具。

2. 在TensorFlow中为MNIST构建多层模型

使用逻辑回