tensorflow构建数据流图--面向机器智能的tensorflow实践

tensorflow构建数据流图

图片来源于知乎，借用a:

图中a,b,c,d,e为节点，用于表示上图的tensorflow代码如下：

import tensorflow as tf
#a是节点，input_a是数据流
a=tf.constant(4,name="input_a")
b=tf.constant(2,name="input_b")
c=tf.multiply(a,b,name="mul_c")
d=tf.add(a,b,name="add_d")
e=tf.add(c,d,name="add_e")

在运行时可能会报如下错误：

The TensorFlow library wasn't compiled to use SSE instructions, but these are available on your machine and could speed up CPU computations.

大致意思是：TF库没有编译不能够运行SSE，这是因为我们是通过“pip install tensorflow"安装tensorflow的，而不是通过源码编译安装；
可以添加如下代码解决此问题：

import os
os.environ['TF_CPP_MIN_LOG_LEVEL']='2'

运行上面的代码，可以执行，但没有结果输出，此时我们可以定义一个会话：

sess=tf.Session()
sess.run(e)
print(sess.run(e))

如果是在交互界面下执行，sess.run(e)可以输出结果了；如果在python文件里加入print()语句也可以输出结果。
到此，图片上的数据流图的功能都实现了。现在可以尝试用tensorboard进行可视化。需要添加如下代码：

writer=tf.summary.FileWriter('./my_graph',sess.graph)

这样会在工程目录下新建my_graph文件夹，保存计算图；
在终端下输入：

这样会有浏览的地址，点击之后就会进入网页，点击graph栏目就会展示节点和数据的依赖关系，如图：