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輸出 :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("2、變數的初始化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)
沒有進行初始化輸出: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輸出: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],4、視覺化tensorboard[ 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輸出: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],② 同時在寫入事件的目錄中生成了乙個events檔案[ 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 ...