Deep Learning——TensorFlow图及其可视化

一、图结构

1、什么是图结构？

图结构：其实就是数据（Tensor） + 操作（Operation）

2、图的基本操作

（1）默认图

查看默认图的方法：

1. 调用方法：tf.get_default_graph()
2. 查看属性：.graph

（2）创建图

#创建图
new_g = tf.Graph()
with new_g.as_default():
    定义数据和操作

二、TensorBoard可视化

TensorFlow可用于训练大规模深度神经网络所需的计算，使用该工具设计的计算往往复杂而深奥，为了方便理解TensorFlow程序，提供了TensorBoard可视化工具

1、实现程序可视化过程

（1）数据序列化——>生成events文件

TensorBoard通过读取TensorFlow的事件文件来运行，需要将数据生成一个序列化的 Summary protobuf对象

#返回filewriter，导入事件文件到指定路径（最好是绝对路径），以提供给tensorboard使用
#tf.summary.FileWriter（path, graph=xxx）

import tensorflow as tf
import os
os.environ['TF_CPP_MIN_LOG_LEVEL'] = '2'

def tensorflow_demo():
    #构建图
    a = tf.constant(100)
    b = tf.constant(200)
    c = tf.add(a, b)
    
    #执行图
    with tf.compat.v1.Session() as sess:
        c_t = sess.run(c)
        print("default_g attr: ", tf.compat.v1.get_default_graph())
        print("c_t: ", c_t)
        print("c graph attr: ", c.graph)
        #生成序列化文件
        tf.compat.v1.summary.FileWriter("./temp/sunmmary", graph=sess.graph)

（2）启动TensorBoard

tensorboard   --logdir= "xxxx/temp/summary"  （指定路径目录）

const和const_1是指令名称