Tensorflow1学习-3 tensorboard使用

先运行下面的代码生成网络的图，保存在当前代码路径下的logs文件夹下。
tensorboard版本须使用1.12

import tensorflow as tf
from tensorflow.examples.tutorials.mnist import input_data

#载入数据
mnist = input_data.read_data_sets('./MNIST_data', one_hot=True)

#每个批次的大小
batch_size = 50
#计算一共多少个批次
n_batch = mnist.train.num_examples // batch_size

#命名空间
with tf.name_scope('input'):
    #定义两个placeholder
    x = tf.placeholder(tf.float32, [None, 784], name='x-input')
    y = tf.placeholder(tf.float32, [None, 10], name='y-input')

#创建一个简单的神经网络
#构建神经网络784-100-10
W = tf.Variable(tf.zeros([784,10]))
B = tf.Variable(tf.zeros([10]))
prediction = tf.nn.softmax(tf.matmul(x, W) + B)

#二次代价函数
# cost = tf.reduce_mean(tf.square(y - prediction))
#交叉熵代价函数
cost = tf.reduce_mean(tf.nn.softmax_cross_entropy_with_logits(labels=y, logits=prediction))
#使用梯度下降
train_step = tf.train.GradientDescentOptimizer(0.1).minimize(cost)

#初始化变量
init = tf.global_variables_initializer()

#准确率
correct_prediction = tf.equal(tf.argmax(y,1), tf.argmax(prediction,1))
accuracy = tf.reduce_mean(tf.cast(correct_prediction, tf.float32))

with tf.Session() as sess:
    sess.run(init)
    writer = tf.summary.FileWriter('./logs/', sess.graph)
    for epoch in range(1):
        for batch in range(n_batch):
            batchx, batchy = mnist.train.next_batch(batch_size)
            sess.run(train_step, feed_dict={x:batchx, y:batchy})

        acc = sess.run(accuracy, feed_dict={x:mnist.test.images, y:mnist.test.labels})
        print('Iter' + str(epoch) + ', Testing Accuracy' + str(acc))

logs中的文件生成后，使用cmd中使用下面的命令查看网络的图。
复制生成的链接在谷歌浏览器中打开，就可以看到生成的图了。


tf.name_scope()函数用来定义命名空间