下面的例子是兩層全連線網路，實現手寫數字識別的案例。
from tensorflow.examples.tutorials.mnist import input_data
import tensorflow as tf
import os
os.environ["tf_cpp_min_log_level"] = "2" # 忽略tensorflow警告資訊
mnist = input_data.read_data_sets('mnist_data',one_hot=true)
batch_size = 100
n_batch = mnist.train.num_examples // batch_size
lr = 0.01
#初始化
#命名空間
with tf.name_scope("input"):
x = tf.placeholder(tf.float32,[none,784],name='x')
y_ = tf.placeholder(tf.float32,[none,10],name='y_')
#建立網路
with tf.name_scope('layer1'):
with tf.name_scope('weight1'):
w1 = tf.variable(tf.truncated_normal([784,500]),name='w1')
with tf.name_scope("biases"):
b1 = tf.variable(tf.zeros([500]),name='b1')
with tf.name_scope("y1"):
y1 = tf.nn.tanh(tf.matmul(x,w1)+b1,name='y1')
with tf.name_scope("layer2"):
with tf.name_scope('weight2'):
w2 = tf.variable(tf.truncated_normal([500,10]),name='w2')
with tf.name_scope("biases2"):
b2 = tf.variable(tf.zeros([10]),name='b2')
with tf.name_scope("y"):
y = tf.nn.softmax(tf.matmul(y1,w2)+b2,name='y') #輸出訊號總和
with tf.name_scope("loss"):
loss = tf.reduce_mean(tf.nn.softmax_cross_entropy_with_logits(labels=y_,logits=y))
tf.summary.scalar('loss',loss)
#訓練with tf.name_scope("train"):
train_stap = tf.train.gradientdescentoptimizer(lr).minimize(loss)
#準確率
如何使用tensorboard
知道如何啟動tensorboard後，就該了解一下怎麼使用它。1.執行python示例，test.py import tensorflow as tf with tf.name scope graph as scope matrix1 tf.constant 3.3.name matrix1 1 r...
無法使用tensorboard
win10 tensorflow gpu1.13.1 無法使用tensorboard，幾乎什麼方法都試過了。在cmd中輸入命令時可以獲得進入tensorboard的鏈結位址，但是放到瀏覽器上就是打不開 除ie以外，主流瀏覽器基本都嘗試過 其實這個版本的tensorflow我之前也用過，之前是可以開啟...
tensorboard使用理解
前段時間第一次接觸tensorboard，網上教程也很簡單易懂。如果伺服器 linux 有多個節點 node 就得注意一點。首先 伺服器端啟動tensorboard服務端 tensorboard logdir path to log directory伺服器端是linux命令列介面，檢視圖形只能從本...