TensorFlow学习笔记(四):Tensorflow网络构建和TensorBoard进行训练过程可视化

本文是TensorFlow学习笔记的第四部分,主要介绍了如何构建TensorFlow网络以及使用TensorBoard进行训练过程的可视化。内容包括MNIST数据处理、网络结构定义、训练过程、测试过程以及如何通过TensorBoard展示计算图和训练数据统计。同时,提到了在处理不在session graph中的数据时的记录方法。
摘要由CSDN通过智能技术生成
用了Anaconda安装了一个tensorflow运行环境以后,终于发现各种操作顺手了一些。但发现运行了一系列的Tutorial运行后,如何组织一个Tensorflow的应用却仍然不是很明确。下面就从python小白的方面理解一下mnist_with_summaries.py这个文件。

0. 相关信息

  • Tensorflow版本:r0.10.0
  • Github地址(fork from yhlleo/mnist):https://github.com/nxcxl88/mnist/tree/r0.10.0-patch-1
  • MNIST数据相关问题:MNIST数据应该从http://yann.lecun.com/exdb/mnist/下载,即文章给出的四个压缩文件,然后在mnist_with_summaries.py内建立一个文件夹(名称:Mnist_data),把这些压缩文件放进去,mnist_with_summaries.py会调用input_data.py(注意本文章给出的Github文件是yhllleo改动的版本),可以直接处理这些压缩包。

1. mnist_with_summaries.py

这个文件的基本功能还是处理mnist数据集,但是与mnist_softmax.py不同,mnist_with_summaries.py有两层神经网络并且加入的dropout机制,所以准确率和收敛速度相比softmax要高。下图是该文件的计算graph,不是很清晰,不过可以在Tensorboard中看到(后面会具体
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值