Tensorflow学习:Tensorboard网络运行 # 定义一个函数:参数概要(分析的参数一般是权值和偏置值(数据比较多时,算他的平均值标准差才有意义)) def variable_summaries(var): with tf.name_scope('summaries'): mean = tf.reduce_mean(var) tf.summary.scalar('mean', mean) # 平均值 with tf.name_scope('stddev'): stddev = tf.sqrt(tf.reduce_mean(tf.square(var - mean))) tf.summary.scalar('stddev', stddev) # 标准差 tf.summary.scalar('max', tf.reduce_max(var)) # 最大值 tf.summary.scalar('min', tf.reduce_min(var)) # 最小值 tf.summary.histogram('histogram', var) # 直方图 import tensorflow as tf from tensorflow.examples.tutorials.mnist import input_data # 载入数据集 mnist = input_data.read_data_sets("MNST_data", one_hot=True) # 每个批次的大小:一次性向神经网络中放入100张图片进行训练:以矩阵的形式放进去 batch_size = 100 # 计算一共多少个批次 //:整除 n_batch = mnist.train.num_examples // batch_size # 定义一个函数:参数概要 def variable_summaries(var): with tf.name_scope('summaries'): mean = tf.reduce_mean(var) tf.summary.scalar('mean', mean) # 平均值 with tf.name_scope