tf.summary.scalar使用方法

import tensorflow as tf


a = tf.placeholder(tf.float32, shape=[])
b = tf.constant(1, dtype=tf.int32)

tf.summary.scalar("a", a)
tf.summary.scalar("b", b)

sess = tf.Session()

init_op = tf.global_variables_initializer()
merged_summaries = tf.summary.merge_all()
writer = tf.summary.FileWriter("train", sess.graph)

sess.run(init_op)

for step in range(6):
    feed_dict = {a: step}
    summary = sess.run(merged_summaries, feed_dict=feed_dict)
    writer.add_summary(summary=summary, global_step=step)

import tensorflow as tf
g1 = tf.Graph()

with g1.as_default():
    sess = tf.Session()
    a = tf.constant(5, name="a")
    b = tf.constant(5, name="b")
    c = tf.add(a, b, "add_in_g1")
    tf.summary.scalar("c", c)
    merged_summary = tf.summary.merge_all()
    writer = tf.summary.FileWriter("./train", sess.graph)
    summary = sess.run(merged_summary)
    writer.add_summary(summary=summary, global_step=1)
    writer.close()
    print(sess.run(c))
    sess.close()

  • 6
    点赞
  • 14
    收藏
    觉得还不错? 一键收藏
  • 20
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 20
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值