如何使用tensorboard展示神经网络的graph

这篇文章主要讲解了"如何使用tensorboard展示神经网络的graph"，文中的讲解内容简单清晰，易于学习与理解，下面请大家跟着小编的思路慢慢深入，一起来研究和学习"如何使用tensorboard展示神经网络的graph"吧！

# 创建神经网络， 使用tensorboard 展示graphimport tensorflow as tfimport numpy as npimport matplotlib.pyplot as plt  # 若没有 pip install matplotlib# 定义一个神经层def add_layer(inputs, in_size, out_size, activation_function=None):    #add one more layer and return the output of this layer    with tf.name_scope('layer'):        with tf.name_scope('Weights'):            Weights = tf.Variable(tf.random_normal([in_size, out_size]),name='W')        with tf.name_scope('biases'):            biases = tf.Variable(tf.zeros([1, out_size]) + 0.1,name='b')        with tf.name_scope('Wx_plus_b'):            Wx_plus_b = tf.matmul(inputs, Weights) + biases        if activation_function is None:            outputs = Wx_plus_b        else:            outputs = activation_function(Wx_plus_b)###        return outputs#make up some real datax_data = np.linspace(-1, 1, 300)[:, np.newaxis]  # x_data值为-1到1之间，有300个单位（例子），再加一个维度newaxis，即300行*newaxis列noise = np.random.normal(0, 0.05, x_data.shape)  # 均值为0.方差为0.05，格式和x_data一样y_data = np.square(x_data) - 0.5 + noise#define placeholder for inputs to networkwith tf.name_scope('inputs'):    xs = tf.placeholder(tf.float32, [None, 1],name='x_input1')  # none表示无论给多少个例子都行    ys = tf.placeholder(tf.float32, [None, 1],name='y_input1')# add hidden layerl1 = add_layer(xs, 1, 10, activation_function=tf.nn.relu)# add output layerprediction = add_layer(l1, 10, 1, activation_function=None)#the error between prediction and real datawith tf.name_scope('loss'):    loss = tf.reduce_mean(        tf.reduce_sum(tf.square(ys - prediction), reduction_indices=[1]))  # 对每个例子进行求和并取平均值 reduction_indices=[1]指按行求和with tf.name_scope('train'):    train_step = tf.train.GradientDescentOptimizer(0.1).minimize(loss)  # 以0.1的学习效率对误差进行更正和提升#两种初始化的方式#init = tf.initialize_all_variables()init = tf.global_variables_initializer()sess = tf.Session()sess.run(init)#把整个框架加载到一个文件中去，再从文件中加载出来放到浏览器中查看#writer=tf.train.SummaryWriter("logs/",sess.graph)#首先找到tensorboard.exe的路径并进入c:Anaconda\Scripts,执行tensorboard.exe --logdir=代码生成的图像的路径（不能带中文）writer=tf.summary.FileWriter("../../logs/",sess.graph)fig = plt.figure()ax = fig.add_subplot(1, 1, 1)ax.scatter(x_data, y_data)plt.ion()plt.show()   #show()是一次性的展示，为了使连续的展示，加入plt.ion()for i in range(1000):    sess.run(train_step, feed_dict={xs: x_data, ys: y_data})    if i % 50 == 0:        # to see the step improment 显示实际点的数据        # print(sess.run(loss,feed_dict = {xs:x_data,ys:y_data}))        try:            # 每次划线前抹除上一条线,抹除lines的第一条线，由于lines只有一条线，则为lines[0],第一次没有线            ax.lines.remove(lines[0])        except Exception:            pass        # 显示预测数据        prediction_value = sess.run(prediction, feed_dict={xs: x_data})        # 存储 prediction_value 的值        lines = ax.plot(x_data, prediction_value, 'r-', lw=5)  # 用红色的线画，且宽度为5        # 停止0.1秒后再画下一条线        plt.pause(0.1)

生成的tensorboard的graph：

感谢各位的阅读，以上就是"如何使用tensorboard展示神经网络的graph"的内容了，经过本文的学习后，相信大家对如何使用tensorboard展示神经网络的graph这一问题有了更深刻的体会，具体使用情况还需要大家实践验证。这里是，小编将为大家推送更多相关知识点的文章，欢迎关注！