在用tensorflow 构建了一个简单的神经网络后,希望能将神经网络的结构直观的表现出来。
特别是当神经网络特别复杂的时候,这种可视化的表现就更加重要。
tensorflow 为我们提供了一个可视化的工具 -- tensorboard
在构造神经网络的程序中,我们添加层的代码为:
def add_layer(inputs, in_size, out_size, activation_function = None):
在生成每一层的时候,可以在图中添加一个表示层的模块,用如下
def add_layer(inputs, in_size, out_size, activation_function = None):
with tf.name_scope('layer'):
对其他小模块添加name 等的语句如下
xs = tf.placeholder(tf.float32, [None, 1], name = 'x_input')
定义 writer = tf.train.SummaryWriter('logs/', sess.graph)
用writer 来将生成的图文件存放到‘logs/' 文件中。
然后运行程序。
会在程序所在的文件夹生成一个logs 文件夹,此文件夹总生成一个名字类似于‘events.out.....’的文件夹
为了查看这个文件,需调出
新的 终端(ternminal)
cd 到 logs 所在的文件夹
然后运行:
tensorboard --logdir='logs/'
得到如下形式的语句,
navigate to http://0.0.0.0:6006)
在浏览器中打开 网址,在graph 页面即可看到表示神经网络结构的流程图。
以上总结自 周莫烦先生 youtube tf 教程