qq_36201400的博客

Module: tf.summary：用于编写摘要数据的操作，用于分析和可视化。该tf.summary模块提供用于编写​​摘要数据的API。可以在TensorBoard（TensorFlow随附的可视化工具包）中可视化此数据。急切执行的示例用法，TF 2.0中的默认用法：writer = tf.summary.create_file_writer("/tmp/mylogs")with writer.as_default(): for step in range(100): # o

tf.compat.v1.summary.merge_all()：合并默认图中收集的所有摘要。tf.compat.v1.summary.merge_all( key=tf.GraphKeys.SUMMARIES, scope=None, name=None)Args：key：GraphKey用于收集摘要。默认为GraphKeys.SUMMARIESscope：用于筛选摘要操作的可选范围，使用re.matchReturns：如果未收集任何摘要，则返回无。否则，返回Ten..

tf.summary.scalar：写一个标量摘要。tf.summary.scalar( name, data, step=None, description=None)Arguments：name：此摘要的名称。用于TensorBoard的summary标记将是此名称的任何活动名称范围的前缀。data：实数标量值，可转换为float32张量。step：此摘要的显式int64可广播单调阶跃值。如果省略，则默认为tf.summary.experimental.get_step(

tf.name_scope：用于定义Python op的上下文管理器。tf.name_scope( name)此上下文管理器将推送名称范围，这将使在其中添加的所有操作的名称带有前缀。例如，定义一个新的Python opmy_op：def my_op(a, b, c, name=None): with tf.name_scope("MyOp") as scope: a = tf.convert_to_tensor(a, name="a") b = tf.co.

estimator：估算器tf.estimator-----一种高级TensorFlow API。估算器封装以下操作：训练 评价 预测 出口服务可以使用其提供的预制估算器（pre-made Estimators），也可以编写自己的自定义估算器（custom Estimators）。所有Estimators（无论是预制的还是自定义的）都是基于tf.estimator.Estimator类的类。估算器功能估算器具有以下优点：开发者可以在本地主机或分布式多服务器环境上运行基于Esti.

目的：为将始终馈入的张量插入占位符。tf.compat.v1.placeholder( dtype, shape=None, name=None)关键点：如果评估，该张量将产生错误。 它的值必须使用feed_dict可选参数馈入到Session.run（），Tensor.eval（）或Operation.run（）。示例程序：x = tf.compat.v1.placeholder(tf.float32, shape=(1024, 1024))y = tf.matmul(x,

AttributeError: module 'tensorflow_core.compat.v1' has no attribute 'contrib'lstm_cell = tf.contrib.rnn.core_rnn_cell.BasicLSTMCell(lstm_size)#报错解决方法：lstm_cell =tf.nn.rnn_cell.BasicLSTMCel...