可视化利器 TensorBoard

TensorBoard与JS网页应用的AI实践

最新推荐文章于 2025-09-05 11:22:47 发布

weixin_30405421

最新推荐文章于 2025-09-05 11:22:47 发布

阅读量95

点赞数

CC 4.0 BY-SA版权

文章标签： javascript 人工智能 ViewUI

原文链接：http://www.cnblogs.com/tianqizhi/p/10823488.html

博客介绍了人工智能相关内容，包括TensorBoard的作用，即使用TensorFlow保存图信息到日志，再由TensorBoard读取展示；还提到summary可导出模型精简信息，name_scope类似编程语言的命名空间。此外，介绍了用JavaScript编写的网页应用，能在浏览器训练简单神经网络并可视化训练过程。

人工智能的黑盒：

TensorBoard 的作用：

1.用TensorFlow保存图的信息到日志中

tfsummary.FileWriter("日志保存路径", sess.graph)

2.用TensorBoard 读取并展示日志　　

tensorboard --logdir=日志所在路径

summary（总结、概览）

用于导出关于模型的精简信息的方法
可以使用TensorBoard等工具访问这些信息

name_scope（命名空间）　　

很像一些编程语言（如C++）的namespace，包含/嵌套的关系

完整示例：

# -*- coding: UTF-8 -*-

# 引入tensorflow
import tensorflow as tf

# 构造图（Graph）的结构
# 用一个线性方程的例子 y = W * x + b
W = tf.Variable(2.0, dtype=tf.float32, name="Weight")  # 权重
b = tf.Variable(1.0, dtype=tf.float32, name="Bias")  # 偏差
x = tf.placeholder(dtype=tf.float32, name="Input")  # 输入
with tf.name_scope("Output"):      # 输出的命名空间
    y = W * x + b    # 输出

# const = tf.constant(2.0)  # 常量不需要初始化，变量需要初始化

# 定义保存日志的路径
path = "./log"

# 创建用于初始化所有变量（Variable）的操作
# 如果定义了变量，但没有初始化的操作，会报错
init = tf.global_variables_initializer()

# 创建 Session（会话）
with tf.Session() as sess:
    sess.run(init)  # 初始化变量
    writer = tf.summary.FileWriter(path, sess.graph)
    result = sess.run(y, {x: 3.0})  # 为 x 赋值 3
    print("y = W * x + b，值为 {}".format(result))  # 打印 y = W * x + b 的值，就是 7