Tensorflow深度学习笔记（七）-Tensorboard应用

tensorboard可以以图形的方式观察训练过程，直观的显示训练情况。下面采用之前的代码，再加上tensorboard相关代码。

# coding: utf-8
import tensorflow as tf
import numpy as np

#使用numpy随机产生100个随机点
x_data=np.random.rand(100)
y_data = x_data*0.1+0.3

#构造一个线性模型
with tf.name_scope('input'):
    b= tf.Variable(0.,name='b-input')
    k= tf.Variable(0.,name='k-input')
y= k*x_data +b

#二次代价函数
with tf.name_scope('loss'):
    loss = tf.reduce_mean(tf.square(y_data-y))
    tf.summary.scalar('loss', loss)

#定义一个梯度下降法优化器
optimizer = tf.train.GradientDescentOptimizer(0.001)

#最小化代价函数
with tf.name_scope('train'):
    train = optimizer.minimize(loss)

init = tf.global_variables_initializer()

#合并所有的summary
meraged = tf.summary.merge_all()

with tf.Session() as sess:
    sess.run(init)
    writer = tf.summary.FileWriter('testlogs/',sess.graph)
    for step in range(2001):
        summary1,_ = sess.run([meraged,train])
        if step%20 == 0:
            print(step,sess.run([k,b]))
        writer.add_summary(summary1, step)

Tensorboard的启动：

1.cd 工程目录

2.tensorboard –logdir=./testlogs

3.然后在浏览器中输入http://127.0.0.1:6006即可看到Tensorboard的界面

Juyin@2017/12/4