14 tensorboard 可视化好帮手_tensorflow 14 可视化好帮手-CSDN博客

本文链接：https://blog.csdn.net/xiuyuxuanchen/article/details/53138916

本文介绍了如何使用Tensorboard来可视化神经网络的结构。通过在TensorFlow代码中添加name_scope和SummaryWriter，可以在浏览器中查看神经网络的输入层、隐藏层和输出层等组件。详细步骤包括为输入、权重、偏置和损失函数指定名称，并保存到logs目录以供Tensorboard读取。

摘要由CSDN通过智能技术生成

14 tensorboard 可视化好帮手

说明：
本文是根据优酷莫凡 python tensorflow 中第14节视频
使用的环境为：
Ubuntu 14,04LST x86_64
GPU : nivdia K80

好，我们开始吧。

这次我们会介绍如何可视化神经网络。因为很多时候我们都是做好了一个神经网络，但是没有一个图像可以展示给大家看。这一节会介绍一个TensorFlow的可视化工具—tensorboard :)
通过使用这个工具我们可以很直观的看到整个神经网络的结构、框架。
以前几节的代码为例：相关代码

好，通过阅读代码我们大概知道了此处是有一个输入层（inputs），一个隐含层（layer），还有一个输出层（output）
现在可以看看如何进行可视化

首先从Input 开始：

# define placeholder for inputs to network
xs = tf.placeholder(tf.float32, [None, 1])
ys = tf.placeholder(tf.float32, [None, 1])

对于input我们进行如下修改：
首先，可以为xs指定名称为x_in:

xs= tf.placeholder(tf.float32, [None, 1],name='x_in')

然后再次对ys 指定名称y_in

ys= tf.placeholder(tf.loat32, [None, 1],name='y_in')

这里指定的名称将来会在可视化的图层inputs中显示出来

使用with tf.name_scope(‘inputs’)可以将xs和ys包含进来，形成一个大的图层，图层的名字就是with tf.name_scope()方法里的参数。