TensorFlow:图

一、计算图

图是由许多个OP构成的,执行计算图需要通过session去实现。我们很多变量是要分层的,就像神经网络那样,否则容易混乱。这时我们需要使用name_scope和varialble_scope去实现。

with tf.name_scope("123"):
    with tf.name_scope("456"):
        with tf.variable_scope("789"):
            d = tf.Variable(1, name="d")
            print(d.name)
        with tf.variable_scope("789"):
            e = tf.Variable(2, name="e")
            g = tf.get_variable("bb", 1)
            print(d.name)
            print(g.name)

当我们构造一个tf.Variable变量时,实际上会产生4个OP。可以通过graph.get_operations()去查看。

二、显示计算图

g = tf.get_default_graph()
tf.summary.FileWriter("logs",g).close()
# 或在用户路径生成一个logs文件夹,存放计算图

#在terminal中输入
tensorboard -- logdir=logs
# 去http://127.0.0.1:6006查看

在这里插入图片描述
可以清楚两种scope的区别了。

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
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