第2话 TensorFlow 数据流图———TensorBoard的使用

1.1 什么是数据流图

TensorFlow使用符号计算图，这与Theano相似，不过与Theano相比，TensorFlow 更简洁。TensorFlow 的名字本身描述了它自身的执行原理: Tensor (张量)意味着N维数组，Flow (流)意味着基于数据流图的计算。数据流图中的图就是我们所说的有向图，在图这种数据结构中包含两种基本元素:节点和边。这两种元素在数据流图中有自己各自的作用，其中节点代表对数据所做的运算或某种算子(Operation)。另外，任何一种运算都有输人/输出，因此它也可以表示数据输人的起点或输出的终点。而边表示节点与节点之间的输人1输出关系，一种特殊类型的数据沿着这些边传递。这种特殊类型的数据在TensorFlow中被称为Tensor,即张量，所谓的张量通俗点说就是多维数组。

当我们向这种图中输人张量后，节点代表的操作就会被分配到计算设备完成计算，下面就是一个简单的数据流图。

1.2 TensorFlow实现数据流图

上面的图写成代码如下所示：

import tensorflow as tf

a = tf.constant(2)
b = tf.constant(4)
c = tf.multiply(a, b)
d = tf.add(a, b)
e = tf.add(c, d)

with tf.Session() as sess:
    print(sess.run(e))

'''
输出>>>
14
'''

1.3 可视化数据流图

想要看见，需要使用一个工具——TensorBoard，这个工具已经在你安装tensorflow的时候带上了，不用再安装了。

是什么？干什么？怎么用？写代码！

import tensorflow as tf

a = tf.constant(2, name='input_a')
b = tf.constant(4, name='input_b')
c = tf.multiply(a, b, name='mul_c')
d = tf.add(a, b, name='add_d')
e = tf.add(c, d, name='add_e')

with tf.Session() as sess:
    print(sess.run(e))
    writer = tf.summary.FileWriter('board', sess.graph)  # tf.summary这个模块就是用来可视化的，不要为什么
    writer.close()

'''
输出>>>
14
'''

运行代码，会在制定的目录board生成log文件（文件名也可以改成其他的，随你）

可以看到，再board目录下生成了一个log文件，怎么用呢，双击可不行，来跟我左手右手一个慢动作

启动你的cmd （win键+r键），进入对应的目录，输入 tensorboard --logdir="board"
（这个board你可以改成其他名字，对应代码里的也要改。）

][4]

访问 http://localhost:6006 (不要访问cmd上的http://LAPTOP-BBMBSKKI:6006/，可能打不开在一些浏览器，反正我的chrome里打不开，uc可以)

得到下图的界面