TensorFlow中的Tensorboard该怎么理解

TensorFlow中的Tensorboard该怎么理解，很多新手对此不是很清楚，为了帮助大家解决这个难题，下面小编将为大家详细讲解，有这方面需求的人可以来学习下，希望你能有所收获。

数据流图

以上就是数据流图。

下面从最简单的图开始：

import tensorflow as tf 

a = tf.add(3, 5)

通过TensorBoard进行可视化：

为什么是 x, y ?

TF 自动地命名节点，当我们没有显示地指定节点名称时，

 x = 3 

 y = 5

接下来，我们打印 a，看看发生什么：

print (a) 

Tensor("Add:0", shape=(), dtype=int32)

Session对象，封装了TF的执行环境。大家如果开发过多线程，分布式软件的话，对于Session的理解可能更容易些，Session尤其对于高并发环境，并行计算显得更重要。

记住

图graph只是定义了操作operations，但是操作operations只能在session里面执行，但是graph和session是独立创建的。

Tensorboard入门

以windows下的使用Tensorboard为例，如果在Linux系统下，请在个别地方做出修改。

首先，必须在终端启动tensorboard，如果采用anaconda安装地话，在目录Anaconda3\Scripts下有个启动项: tensorboard.exe，这就是tensorboard的服务端。在cmd窗口，cd 到这个目录。

然后，编写tensorboard，代码：

import tensorflow as tf

with tf.name_scope('input1'):

    input1 = tf.constant(3.0,name='input1')

with tf.name_scope('input2'):

    input2 = tf.constant(5.0,name='input2')

output = tf.add(input1,input2,name='add')

with tf.Session() as sess:

    output = sess.run(output)

    graph = tf.get_default_graph()

   #将日志文件写入到目录../log/下

    writer = tf.summary.FileWriter('log',graph)

    writer.close()

这样在log文件夹下，增加了一个event文件，

再在终端，输入 tensorboard.exe --logdir = 刚在生成的log文件夹的绝对路径，回车，这样服务端就启动了，

接下来，启动客户端，即浏览器，输入localhost:6006，端口是6006，选中graphs，得到如下的可视化图：

看完上述内容是否对您有帮助呢？如果还想对相关知识有进一步的了解或阅读更多相关文章，请关注亿速云行业资讯频道，感谢您对亿速云的支持。