Tensorboard使用入门，用于可视化loss，accuracy等数据

最新推荐文章于 2025-03-10 16:15:10 发布

wwxy261

最新推荐文章于 2025-03-10 16:15:10 发布

阅读量4.1k

点赞数 5

分类专栏：算法

本文链接：https://blog.csdn.net/wwxy1995/article/details/80832283

版权

import tensorflow as tf
from tensorflow.examples.tutorials.mnist import input_data

# 载入数据集
mnist = input_data.read_data_sets("MNIST_data", one_hot=True)

# 批次的大小
batch_size = 50

# 计算一共有多少批次
n_batch = mnist.train.num_examples // batch_size


# 参数概要
def variable_summary(var):
    with tf.name_scope("summaries"):
        mean = tf.reduce_mean(var)
        tf.summary.scalar("mean", mean)   # 平均值
    with tf.name_scope("stddev"):
        stddev = tf.sqrt(tf.reduce_mean(var-mean))
    tf.summary.scalar("stddev", stddev)   # 标准差
    tf.summary.scalar("max", tf.reduce_max(var))  # 最大值
    tf.summary.scalar("min", tf.reduce_min(var))  # 最小值
    tf.summary.histogram("histogram", var)   # 直方图





# 输入命名空间
with tf.name_scope("input"):
    # 定义两个placeholder
    x = tf.placeholder(tf.float32, [None, 28 * 28])
    y = tf.placeholder(tf.float32, [None, 10])

wit