一.启动Tensorboard
在python文件中
加上tf.reset_default_graph()来重置流
然后:
logdir='D:/log' #定义log的存放目录
writer=tf.summary.FileWriter(logdir,tf.get_default_graph()) #将流图获取到放到log目录里
writer.close()
在Cmd中,
1:切换路径 cd /d D:
2:切换到D盘
3:然后输入tensorboard.exe --logdir=D:\log 来启动tensorboard。
4:在浏览器输入localhost:6006即可
二.placeholder占位符
1.Variable变量类型在定义的时候需要初始化,有些变量定义时并不知道数值,只有当真正开始运行程序的时候才由外部输入,比如训练数据,这时就需要占位符。
接口函数如下:
tf.placeholder(dtype,shape=None,name=None)
例如:
tf.placeholder(tf.float32,[2,3],name='tx')
生成一个2x3的二维数组,每个元素的类型都是float32
2.Feed提交数据
如果构建了一个包含placeholder操作的计算图,当在session中调用run方法时,placeholder占用的变量必须通过feed_dict参数传递进去,否则报错
import tensorflow as tf
a=tf.placeholder(tf.float32,name='a')
b=tf.placeholder(tf.float32,name='b')
c=tf.multiply(a,b,name='c')
init=tf.global_variables_initializer()
with tf.Session() as sess:
sess.run(init)
result=sess.run(c,feed_dict={a:8.0,b:3.5})
print(result)
三.机器学习梯度下降法
1.梯度:一个向量,表示某一个函数在该点处的方向导数沿着该方向取得最大值,即函数在该点处沿着该方向(此梯度的方向)变化最快,变化率最大。</