5 變數和視覺化

1、變數的建立

變數也是一種op，是一種特殊的張量，能夠進行儲存持久化（用於儲存引數，係數等），它的值就是張量，預設被訓練

tf.variable(initial_ value=none,name=none, trainable=true)  （name表示在視覺化中顯示的名字）

建立乙個帶值initial_value的新變數，initial_value初始值，可以是隨機的值

為變數分配乙個新值，返回新值

計算並返回此變數的值

1

import
tensorflow as tf
2import
os3 os.environ['
tf_cpp_min_log_level
'] = '2'
#去掉警告，將警告級別提公升
45 a = tf.constant([1,2,3,4,5])
6 var = tf.variable(tf.random.normal([2,3],mean=0.0,stddev=1.0)) #
random.normal從正態分佈中輸出隨機值,平均值0.0，標準差1.0
7print
(a)8
print(var)

tensor("

const_1:0
", shape=(5,), dtype=int32)
'variable:0
' shape=(2, 3) dtype=float32_ref>

（變數在進行run時，必須先要進行初始化）

沒有進行初始化

1import
tensorflow as tf
2import
os3 os.environ['
tf_cpp_min_log_level
'] = '2'
#去掉警告，將警告級別提公升
45 a = tf.constant([1,2,3,4,5])
6 var = tf.variable(tf.random.normal([2,3],mean=0.0,stddev=1.0)) #
random.normal從正態分佈中輸出隨機值,平均值0.0，標準差1.0
7 with tf.session() as sess:
8 print(sess.run([a,var]))

attempting to use uninitialized value variable

新增乙個初始化所有變數的op（

tf.global_variables_initializer()）在會話中開啟

1

import
tensorflow as tf
2import
os3 os.environ['
tf_cpp_min_log_level
'] = '2'
#去掉警告，將警告級別提公升
45 a = tf.constant([1,2,3,4,5])
6 var = tf.variable(tf.random.normal([2,3],mean=0.0,stddev=1.0)) #
random.normal從正態分佈中輸出隨機值,平均值0.0，標準差1.078
#在列印var之前必須做乙個顯示的初始化
9 init_op = tf.global_variables_initializer() #
不需要傳入值
1011
with tf.session() as sess:
12 sess.run(init_op) #
必須執行初始化op
13print(sess.run([a,var]))

[array([1, 2, 3, 4, 5]), array([[-0.11310391,  1.3286809 ,  0.06200764],

[ 0.45713297, -0.33347377, 1.4530548 ]], dtype=float32)]

將tensorflow圖結構顯示在web介面，程式

圖結構——>序列化為events事件檔案——>通過tensorboard工具顯示到web介面

tensorboard通過讀取tensorflow的事件檔案來執行

返回filewriter,寫入事件檔案到指定目錄(最好用絕對路徑)，以提供給tensorboard使 用

tensorboard -logdir= 「events事件檔案的路徑"

一"般瀏覽器開啟為127.0.0.1:6006

注:修改程式後，再儲存一遍會有新的事件檔案， 開啟預設為最新的。

①

1import
tensorflow as tf
2import
os3 os.environ['
tf_cpp_min_log_level
'] = '2'
#去掉警告，將警告級別提公升
45 a = tf.constant([1,2,3,4,5])
6 var = tf.variable(tf.random.normal([2,3],mean=0.0,stddev=1.0)) #
random.normal從正態分佈中輸出隨機值,平均值0.0，標準差1.078
#在列印var之前必須做乙個顯示的初始化
9 init_op = tf.global_variables_initializer() #
不需要傳入值
1011
with tf.session() as sess:
12 sess.run(init_op) #
必須執行初始化op
1314
#把程式的圖結構寫入事件檔案中,graph:把指定的圖寫進事件檔案當中（這個圖的獲取方式有很多種）, summary 摘要
15 filewriter = tf.summary.filewriter("
e:/pythonprogram/deeplearning/base/visual/
",graph=sess.graph) #
返回乙個例項
16print(sess.run([a,var]))

[array([1, 2, 3, 4, 5]), array([[ 1.3283709 ,  0.04997791, -0.25768515],

[ 0.12506656, -0.48526055, 0.06624609]], dtype=float32)]

③ 接下來使用tensorboard將事件檔案讀到web中（如果有多個事件，會自動按照時間讀取最近的一次事件進行讀取）

①graphs  顯示程式的圖結構 

②scalars  顯示0維度的值，即數值，標量

③histograms  顯示高維度的值（如權重，偏置等）

④每個引數中都有乙個name，它的作用是在tensorboard中顯示設定的名字

#去掉警告，將警告級別提公升

45 a = tf.constant(2.0,name='a'

)6 b = tf.constant(3.0,name='b'

)7 c = tf.add(a,b,name='c'

)89with tf.compat.v1.session() as sess:

10 filewriter = tf.summary.filewriter("

e:/pythonprogram/deeplearning/base/visual/

",graph=sess.graph)

11print(sess.run(c))

tensorboard顯示：

Tensorflow 變數和視覺化

變數也是一種op，是一種特殊的張量，能夠進行儲存持久化，它的 值就是張量 變數的建立 tf.variable initial value none,name none 建立乙個帶值initial value的新變數 assign value 為變數分配乙個新值 返回新值 eval session n...

python資料視覺化5

matlab和pyplot具有當前圖形 current figure 和當前軸 current axes 的概念。記住，乙個圖中可以有多個軸，每個圖線都在一定軸範圍內進行繪製。所有繪圖命令都只適用於當前軸。函式gca 將返回當前軸 乙個matplotlib.axes.axes例項 gcf 將返回當前...

認識「資料視覺化」和「資訊視覺化」

最近，資料視覺化 和 資訊視覺化 的話題在微博上得到了比較熱烈的討論和 現把一些資料彙總如下 資訊視覺化 information visualization 有兩種解釋 其一，作為廣義的概念使用時，是包括資料視覺化 data visualization 在內的 其二，狹義的資訊視覺化是與資料視覺化 ...