一 Tensorflow的环境配置
这里我直接粘贴一位大佬安装教程,深度学习环境配置4——windows下的tensorflow-cpu=1.13.2环境配置_Bubbliiiing的学习小课堂-CSDN博客这里简要说一下,我的环境配置,
tensorflow:1.13.2
keras:2.1.5
其他的环境配置包括:
scipy==1.2.1
numpy==1.17.0
tensorflow==1.13.2
Keras==2.1.5
matplotlib==3.1.2
opencv_python==4.1.2.30
tqdm==4.60.0
Pillow==8.2.0
h5py==2.10.0
这里建议先看看这位大佬的环境配置文章,相信问题也不大。
二 Tensorflow的几个关键词
图:这里我把图理解为一张画,基本上一个py文件建议一张画。
会话:我刚开始学习的时候,把它理解为一根线,就是把这张图连接起来。
张量:我理解为数据,也就是数值。
节点:一般就是操作过程,比如加,减,乘,除等等。
图的一些操作:
1. 获取一个默认图:
import tensorflow as tf
# 实现一个加法
a = tf.constant(11.0)
b = tf.constant(10.0)
c = tf.add(a, b)
# 获取默认图
g = tf.get_default_graph()
print("获取当前加法运算的图,", g)
print(a.graph)
print(b.graph)
print(c.graph)
# 开启一个会话运行这个加法
with tf.Session() as sess:
c_cre = sess.run(c)
print(sess.graph)
print(c_cre)
上面这个程序主要是实现了一个加法运算,其中g,a,b,c,sess输出的图都是一个地址,即默认地址。
2.TensorBoard-可视化学习
TensoBoard其实简单理解起来就是一个可以看见的图,它将我们程序视作一张图在网页中显示出来,这里我还是借用上面的加法案列。程序如下;
第一步:将我们的程序变成一个enevts文件。
这里我新建了一个目录,用来存放我的events。
第二步:在如下程序中,加入以下几句话。运行这个程序后,我们就可以在第一步的文件中看到生成的events文件。
import tensorflow as tf
# 实现一个加法
a = tf.constant(11.0)
b = tf.constant(10.0)
c = tf.add(a, b)
# 获取默认图
g = tf.get_default_graph()
print("获取当前加法运算的图,", g)
print(a.graph)
print(b.graph)
print(c.graph)
# 开启一个会话运行这个加法
with tf.Session() as sess:
c_cre = sess.run(c)
print(sess.graph)
filewriter=tf.summary.FileWriter("./temp/summary/",graph=sess.graph)
print(c_cre)
第三步: 在pycharm的Terminal中输入tensorboard --logdir=log,就可以得到连接,在谷歌中输入就可得到,如下所示:
注意事项:
1.在刚开始做第三步时出现如下错误:
解决方案:
在tensorflow环境下查找...\Lib\site-packages\tensorboard路径下的manager.py 打开修改_type_timestamp的定义下的serialize,
serialize=lambda dt: int(dt.strftime("%S")),
注意后面的逗号也加,否则就会出现报错。如下: