03_可视化与占位符

---

博文配套视频课程：24小时实现从零到AI人工智能

---

Tensorboard可视化

Tensorboard命令与pip一样默认在Anaconda的Script目录中,在Tensorflow1.0以上的版本会自动安装,类似Tomcat，IIS服务器,TensorBoard通过读取TensorFlow的事件文件来运行，采用FireFox浏览器可以正常访问，如果chrom浏览器访问失败则需要升级到最新版即可。

# tf 基本语法, 张量: （常量，变量，占位符）
import tensorflow as tf

# 创建两个常量 (常量：在深度学习过程中不能改变的变量)
a = tf.constant(value=3.14,dtype=tf.float32,name="a")
# 浮点类型默认tf.float32
b = tf.constant(value=3.14,dtype=tf.float32,name="b")

print("a=",a)
print("b=",b)

c = a + b
# 变量：在深度学习过程中可以改变的变量，通常用来存储模型的参数
d = tf.Variable(initial_value=3.14,dtype=tf.float32,name="d")
e = tf.add(d,c,name="addx")

# 通过with方法系统会自动关闭session
with tf.Session() as sess:
    # 变量必须显示声明初始化
    sess.run(tf.global_variables_initializer())
    print(sess.run(e))
    tf.summary.FileWriter(logdir="../data/",graph=sess.graph)

执行TensorBoard命令

C:\Users\Administrator>tensorboard --logdir="C:\Users\Administrator\Desktop\pypro\data"
# 默认的访问路径为: http://DESKTOP-6VO1R91:6006/
TensorBoard 1.14.0 at http://DESKTOP-6VO1R91:6006/ (Press CTRL+C to quit)

TensorFlow之占位符

1. TensorFlow使用占位符操作表示图外输入的数据，如训练和测试的数据。
2. TensorFlow数据流图描述了算法模型的计算拓扑，其中各操作都是抽象的函数映射或者数学表达式。
3. 数据流图本身仅仅是一个"壳" 在用户向数据流图填充数据前，图并没有执行任何计算。

# tf 基本语法, 张量: （常量，变量，占位符）
import tensorflow as tf
# 占位符: select * from student where id = ?  or name = ?
x = tf.placeholder(dtype=tf.int16,name="x")
y = tf.placeholder(dtype=tf.int16,name="y")
z = x+y
with tf.Session() as sess:
    # 首先要对占位符进行赋值在操作
    print(sess.run(z,feed_dict={x:100,y:100}))