利用tensorboard可视化cost

最新推荐文章于 2021-08-10 10:15:31 发布

Summer_Anny

最新推荐文章于 2021-08-10 10:15:31 发布

阅读量363

点赞数

CC 4.0 BY-SA版权

本文链接：https://blog.youkuaiyun.com/qq_26169815/article/details/89316159

本文详细介绍了如何在TensorFlow中实现最小二乘法损失函数，并通过TensorBoard进行训练过程的可视化监控。从成本函数的定义到训练流程的执行，再到TensorBoard的配置与查看，提供了一套完整的深度学习模型训练与调试方案。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

在cost后添加：

cost = tf.reduce_mean(tf.pow(X - y_pred, 2))  # 最小二乘法
tf.summary.scalar('cost', cost)

在sess.run(init)后添加：

with tf.Session() as sess:
    init = tf.initialize_all_variables()
    init = tf.global_variables_initializer()
    sess.run(init)
    merged = tf.summary.merge_all()
    writer = tf.summary.FileWriter('logs', sess.graph)

训练：

   _, result, c, encoder_, decoder_ = sess.run([optimizer, merged, cost, encoder_op, decoder_op], feed_dict={X: batch_xs})
 writer.add_summary(result, epoch*total_batch+i)

然后生成logs
cmd命令：G:\TensorFlow\TEST6>tensorboard --logdir=logs
生成链接：
在这里插入图片描述
复制链接，在Chrome中打开：