深度学习2.0-19.随机梯度下降之可视化与实战

最新推荐文章于 2023-03-23 14:41:46 发布

哎呦-_-不错

最新推荐文章于 2023-03-23 14:41:46 发布

阅读量233

点赞数

文章标签：可视化深度学习 tensorflow

本BLOG上原创文章未经本人许可，不得用于商业用途，转载请注明出处。

本文链接：https://blog.csdn.net/weixin_46649052/article/details/108995193

版权

文章目录

1.Tensorboard原理

在这里插入图片描述

2.如何可视化

在这里插入图片描述

1.run listener

C:\Users\admin>dir
C:\Users\admin>cd Desktop
C:\Users\admin\Desktop>dir
C:\Users\admin\Desktop>cd 深度学习与TensorFlow入门实战-源码和PPT
C:\Users\admin\Desktop\深度学习与TensorFlow入门实战-源码和PPT>dir
C:\Users\admin\Desktop\深度学习与TensorFlow入门实战-源码和PPT>cd lesson28-可视化
C:\Users\admin\Desktop\深度学习与TensorFlow入门实战-源码和PPT\lesson28-可视化>tensorboard --logdir logs
2020-10-10 13:50:11.118488: I tensorflow/stream_executor/platform/default/dso_loader.cc:44] Successfully opened dynamic library cudart64_100.dll
Serving TensorBoard on localhost; to expose to the network, use a proxy or pass --bind_all
TensorBoard 2.0.2 at http://localhost:6006/ (Press CTRL+C to quit)

打开网址如下界面
在这里插入图片描述

2.build summary

current_time = datetime.datatime.now().strftime('%Y%m%d-$H%M%S')
log_dir = 'logs/ ' + current_time
semmary_wwriter = tf.summary.create_file_writer(log_dir)

3.fed

1.fed scalar

with summary_writer.as_default():
    tf.summary.scalar('loss',float(loss),step=epoch)
    tf.summary.scalar('accuracy',float(train_accuracy),step=epoch)

加粗样式

2.fed singke Image-图片

在这里插入图片描述

3.fed multi-images

在这里插入图片描述

将多张图片显示为一张图片

3.可视化实战

import os

os.environ['TF_CPP_MIN_LOG_LEVEL'] = '2'
import tensorflow as tf
from tensorflow.keras import datasets, layers, optimizers, Sequential, metrics
import datetime
from matplotlib import pyplot as plt
import io


# 数据预处理
def preprocess(x, y):
    x = tf.cast(x, dtype=tf.float32) / 255.
    y = tf.cast(y, dtype=tf