可视化利器 TensorBoard

人工智能的黑盒：

TensorBoard 的作用：

1.用TensorFlow保存图的信息到日志中

tfsummary.FileWriter("日志保存路径", sess.graph)

2.用TensorBoard 读取并展示日志　　

tensorboard --logdir=日志所在路径

summary（总结、概览）

• 用于导出关于模型的精简信息的方法
• 可以使用TensorBoard等工具访问这些信息

name_scope（命名空间）　　

• 很像一些编程语言（如C++）的namespace，包含/嵌套的关系

完整示例：

# -*- coding: UTF-8 -*-

# 引入tensorflow
import tensorflow as tf

# 构造图（Graph）的结构
# 用一个线性方程的例子 y = W * x + b
W = tf.Variable(2.0, dtype=tf.float32, name="Weight")  # 权重
b = tf.Variable(1.0, dtype=tf.float32, name="Bias")  # 偏差
x = tf.placeholder(dtype=tf.float32, name="Input")  # 输入
with tf.name_scope("Output"):      # 输出的命名空间
    y = W * x + b    # 输出

# const = tf.constant(2.0)  # 常量不需要初始化，变量需要初始化

# 定义保存日志的路径
path = "./log"

# 创建用于初始化所有变量（Variable）的操作
# 如果定义了变量，但没有初始化的操作，会报错
init = tf.global_variables_initializer()

# 创建 Session（会话）
with tf.Session() as sess:
    sess.run(init)  # 初始化变量
    writer = tf.summary.FileWriter(path, sess.graph)
    result = sess.run(y, {x: 3.0})  # 为 x 赋值 3
    print("y = W * x + b，值为 {}".format(result))  # 打印 y = W * x + b 的值，就是 7

酷炫模拟游乐园 PlayGround：

• JavaScript 编写的网页应用
• 通过浏览器就可以训练简单神经网络
• 训练过程可视化，高度可定制