深度学习（二）---tflearn分类，tensorboard安装、使用

几个概念

batch_size、epoch

sample_size = 20000; //样本为20000个
batch_size = 64；//64个样本为一批进行一次训练
epoch = 200; //全部样本训练完一次，记1个epoch

深度机器学习中的batch的大小对学习效果有何影响？

Tensorflow训练

TensorFlow系列03——TensorFlow基本概念Tensor理解

tflearn分类-17flower
Deep Learning-TensorFlow (10) CNN卷积神经网络_ TFLearn 快速搭建深度学习模型

tensorboard使用

安装

安装tensorflow库后，就包含tensorboard。如果没有tensorboard.exe，重新卸载并安装tensorflow。

pip uninstall tensorflow
pip install tensorflow

数据准备

保存代码为test.py.

import tensorflow as tf
import numpy as np

## prepare the original data
with tf.name_scope('data'):
     x_data = np.random.rand(100).astype(np.float32)
     y_data = 0.3*x_data+0.1
##creat parameters
with tf.name_scope('parameters'):
     weight = tf.Variable(tf.random_uniform([1],-1.0,1.0))
     bias = tf.Variable(tf.zeros([1]))
##get y_prediction
with tf.name_scope('y_prediction'):
     y_prediction = weight*x_data+bias
##compute the loss
with tf.name_scope('loss'):
     loss = tf.reduce_mean(tf.square(y_data-y_prediction))
##creat optimizer
optimizer = tf.train.GradientDescentOptimizer(0.5)
#creat train ,minimize the loss 
with tf.name_scope('train'):
     train = optimizer.minimize(loss)
#creat init
with tf.name_scope('init'): 
     init = tf.global_variables_initializer()
##creat a Session 
sess = tf.Session()
##initialize
##注意设置数据输出目录 D:/logs
writer = tf.summary.FileWriter("D:/logs", sess.graph) 
sess.run(init)
## Loop
for step  in  range(101):
    sess.run(train)
    if step %10==0 :
        print step ,'weight:',sess.run(weight),'bias:',sess.run(bias)

运行结果为：

使用tensorboard

执行命令运行服务器
以下任一种方式都可以：

/*方式一*/
tensorboard --logdir=d:/logs
/*方式二*/
python main.py --logdir=d:/logs

访问
从上图执行结果中可以看出，打开浏览器访问：localhost:6006，就可以看到图形了。

出现的问题

网页显示空白
A：这个原因是浏览器版本太低，我之前用的4.9版本不行，更新到6.3可以了。

网页没有数据“No graph…”
A：数据路径设置不对。可以设置到D盘根目录。

参考：tensorflow笔记（三）之 tensorboard的使用

TensorFlow深度学习笔记 Tensorboard入门

TensorBoard–TensorFlow可视化

Caffe训练