深度學習之TensorFlow

TensorFlow在win下能夠使用pip安裝，pip install TensorFlow 

一般分爲GPU版和CPU版，有獨立顯卡的狀況下，推薦使用GPU,GPU在處理數據運算方面更優於CPU，從專業的角度看，使用源碼安裝能夠開啓加速。

做爲機器學習中更專業的技術，固然還會依賴繼續學習中的類庫，所以， aconda是必須安裝的。

TensorFlow較其餘工具備獨特的優點，界面可視化的調取。

import tensorflow as tf import os os.environ['TF_CPP_MIN_LOG_LEVEL']='2' #指定日誌輸出等級 a = tf.constant([1,2,3,4,5]) var = tf.Variable(tf.random.normal([2,3],mean=0.0,stddev=1.0)) x = tf.constant(3.0) y = tf.constant(5.0) z = tf.add(x,y) init_op = tf.compat.v1.global_variables_initializer() with tf.compat.v1.Session() as sess: #初始化op
 sess.run(init_op) #將數據寫入到指定的文件目錄下
    tf.compat.v1.summary.FileWriter('./sum',graph=sess.graph) print(sess.run([z,var]))

開啓可視化服務界面：在命令行執行：tensorboard --logdir =" ../sum"  --host="127.0.0.1"

隨之即可以在默認指定的6006端口去查看頁面。在打開的頁面中選擇graphs選項卡

容易踩到的坑：

由於 win10 將 localhost 解析爲 ipv6地址 [::1]，因此沒法使用  http://0.0.0.0:6006 查看 tensorboard

解決辦法：直接訪問http://localhost:6006/     或者像上面在命令行直接指定服務地址

其次：對數據存放路徑的正確指定，不然會報找不到數據。