可視化利器 TensorBoard

人工智能的黑盒：

TensorBoard 的做用：

1.用TensorFlow保存圖的信息到日誌中

tfsummary.FileWriter("日誌保存路徑", sess.graph)

 

2.用TensorBoard 讀取並展現日誌　　

tensorboard --logdir=日誌所在路徑

 

summary（總結、概覽）

• 用於導出關於模型的精簡信息的方法
• 能夠使用TensorBoard等工具訪問這些信息

   

name_scope（命名空間）　　

•  很像一些編程語言（如C++）的namespace，包含/嵌套的關係 

完整示例：

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

# 引入tensorflow
import tensorflow as tf

# 構造圖（Graph）的結構
# 用一個線性方程的例子 y = W * x + b
W = tf.Variable(2.0, dtype=tf.float32, name="Weight")  # 權重
b = tf.Variable(1.0, dtype=tf.float32, name="Bias")  # 誤差
x = tf.placeholder(dtype=tf.float32, name="Input")  # 輸入
with tf.name_scope("Output"):      # 輸出的命名空間
    y = W * x + b    # 輸出

# const = tf.constant(2.0)  # 常量不須要初始化，變量須要初始化

# 定義保存日誌的路徑
path = "./log"

# 建立用於初始化全部變量（Variable）的操做
# 若是定義了變量，但沒有初始化的操做，會報錯
init = tf.global_variables_initializer()

# 建立 Session（會話）
with tf.Session() as sess:
    sess.run(init)  # 初始化變量
    writer = tf.summary.FileWriter(path, sess.graph)
    result = sess.run(y, {x: 3.0})  # 爲 x 賦值 3
    print("y = W * x + b，值爲 {}".format(result))  # 打印 y = W * x + b 的值，就是 7

 

酷炫模擬遊樂園 PlayGround：

• JavaScript 編寫的網頁應用
• 經過瀏覽器就能夠訓練簡單神經網絡
• 訓練過程可視化，高度可定製