Tensorflow-tensorboard可视化

最新推荐文章于 2023-10-23 17:01:23 发布

追枫萨

最新推荐文章于 2023-10-23 17:01:23 发布

阅读量435

点赞数

CC 4.0 BY-SA版权

分类专栏： Tensorflow1.x 文章标签： tensorflow 可视化

本文链接：https://blog.youkuaiyun.com/m0_38052384/article/details/90522811

本文介绍了在TensorFlow中如何利用TensorBoard进行可视化，强调了变量初始化的重要性，并展示了在迭代4580次后的可视化结果，特别是学习率的调节对模型训练的影响。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

注意：变量W、b等使用前一定要初始化

mnist_10k_sprite.png图片下载：该图片包含3000个28*28的数字，用于数字图像识别

import tensorflow as tf
#tf.GraphKeys.VARIABLES = tf.GraphKeys.GLOBAL_VARIABLES
from tensorflow.examples.tutorials.mnist import input_data
from tensorflow.contrib.tensorboard.plugins import projector

#载入数据集
mnist=input_data.read_data_sets('MNIST_data',one_hot=True)
#运行次数
max_steps=1001
#图片数量
image_num=3000
#文件路径
DIR="F:/ustcsse/TensorFlowPro"

#定义会话
sess=tf.Session()

#载入图片
embedding=tf.Variable(tf.stack(mnist.test.images[:image_num]),trainable=False,name='embedding')

#参数概要
def variable_summaries(var):
    with tf.name_scope('summaries'):
        mean=tf.reduce_mean(var)#平均值
        tf.summary.scalar('mean',mean)#为平均值取名mean
        with tf.name_scope('stddev'):
            stddev=tf.sqrt(tf.reduce_mean(tf.square(var-mean)))
        tf.summary.scalar('stddev',stddev)#标准差
        tf.summary.scalar('max'