TensorFlow可视化工具TensorBoard默认图与自定义图

 更新时间:2021年10月16日 16:46:25   作者:_睿智_  
这篇文章主要介绍了TensorFlow可视化工具TensorBoard默认图与自定义图的使用操作示例,有需要的朋友可以借鉴参考下,希望能够有所帮助

一、图

图:数据(张量Tenrsor)+ 操作(节点Operation) (静态)

图可以用:1、默认图;2、自定义图。

1、默认图

查看默认图的方式:

  • 1、调用方法:tf.get_default_graph()
  • 2、查看属性:.graph

1、调用方法查看默认图属性

# 方法一:调用方法
    default = tf.get_default_graph()
    print('default:', default)

2、.graph查看图属性

# 方法二:查看属性
    # 查看节点属性
    print('a的属性:', a.graph)
    print('c的属性:', c.graph)
    # 查看会话属性
    print('会话sess的图属性:', sess.graph)

可以发现这些图的地址都是同一个地址,是因为它们都是默认使用了默认图。

代码

# 查看默认图
def View_Graph():
    # 方法一:调用方法
    default = tf.get_default_graph()
    print('default:', default)   
    # 方法二:查看属性
    # 查看节点属性
    print('a的属性:', a.graph)
    print('c的属性:', c.graph)
    # 查看会话属性
    print('会话sess的图属性:', sess.graph)

2、自定义图(创建图)

1、创建自定义图

# 1 创建自定义图
    new_graph = tf.Graph()
    print(new_graph)

2、创建静态图

 # 2 创建静态图(张量和节点)
    with new_graph.as_default():
        a = tf.constant(10)
        b = tf.constant(20)
        c = a + b
        print(c)

3、开启会话(运行)

# 3 开启对话(运行)
    with tf.Session(graph=new_graph) as sess:
        print('c=', sess.run(c))

4、查看自定义图

# 4 查看自定义图
    View_Graph(a, b, c, sess)
# 查看图
def View_Graph(a, b, c, sess):
    # 方法一:调用方法
    default = tf.get_default_graph()
    print('default:', default)
 
    # 方法二:查看属性
    # 查看节点属性
    print('a的属性:', a.graph)
    print('c的属性:', c.graph)
    # 查看会话属性
    print('会话sess的图属性:', sess.graph)

代码

# 自定义图
def Create_myGraph():
    # 1 创建自定义图
    new_graph = tf.Graph()
    print(new_graph)
    
    # 2 创建静态图(张量和节点)
    with new_graph.as_default():
        a = tf.constant(10)
        b = tf.constant(20)
        c = a + b
        print(c)
    
    # 3 开启对话(运行)
    with tf.Session(graph=new_graph) as sess:
        print('c=', sess.run(c))
 
    # 4 查看自定义图
    View_Graph(a, b, c, sess)

二、TensorBoard可视化

1、可视化处理

 tf.summary.FileWriter(path, graph=)
# 可视化
        tf.summary.FileWriter("C:\\Users\\Administrator\\Desktop\\summary", graph=sess.graph)            #path                                            图

2、 打开TensorBoard

在cmd中操作:

1、先移到文件夹的前面

cd C://Users//Administrator//Desktop

2、 打开TensorBoard(从文件中获取数据)

tensorboard --logdir=summary

3、打开给定的网址

http://localhost:6006/(cmd中给的网址)

得到可视化结果:

总代码

import tensorflow as tf
# 创建TensorFlow框架
def Create_Tensorflow():
    # 图(静态)
    a = tf.constant(2)  # 数据1(张量)
    b = tf.constant(6)  # 数据2(张量)
    c = a + b  # 操作(节点)   
    # 会话(执行)
    with tf.Session() as sess:
        print('c=', sess.run(c))
        # 可视化
        tf.summary.FileWriter("C:\\Users\\Administrator\\Desktop\\summary", graph=sess.graph) 
    # 查看默认图
    View_Graph(a, b, c, sess) 
# 查看图
def View_Graph(a, b, c, sess):
    # 方法一:调用方法
    default = tf.get_default_graph()
    print('default:', default) 
    # 方法二:查看属性
    # 查看节点属性
    print('a的属性:', a.graph)
    print('c的属性:', c.graph)
    # 查看会话属性
    print('会话sess的图属性:', sess.graph) 
# 自定义图
def Create_myGraph():
    # 1 创建自定义图
    new_graph = tf.Graph()
    print(new_graph)    
    # 2 创建静态图(张量和节点)
    with new_graph.as_default():
        a = tf.constant(10)
        b = tf.constant(20)
        c = a + b
        print(c)   
    # 3 开启对话(运行)
    with tf.Session(graph=new_graph) as sess:
        print('c=', sess.run(c)) 
    # 4 查看自定义图
    View_Graph(a, b, c, sess) 
if __name__ == '__main__':
    # 创建TensorFlow框架
    Create_Tensorflow() 
    # 创建自定义图
    Create_myGraph()

以上就是TensorFlow可视化工具TensorBoard默认图与自定义图 的详细内容,更多关于TensorFlow可视化TensorBoard工具的资料请关注脚本之家其它相关文章!

相关文章

  • Tensorflow读取并输出已保存模型的权重数值方式

    Tensorflow读取并输出已保存模型的权重数值方式

    今天小编就为大家分享一篇Tensorflow读取并输出已保存模型的权重数值方式,具有很好的参考价值,希望对大家有所帮助。一起跟随小编过来看不看
    2020-01-01
  • python实现DEM数据的阴影生成的方法

    python实现DEM数据的阴影生成的方法

    这篇文章主要介绍了python实现DEM数据的阴影生成的方法,文中通过示例代码介绍的非常详细,对大家的学习或者工作具有一定的参考学习价值,需要的朋友们下面随着小编来一起学习学习吧
    2019-07-07
  • 对Python的交互模式和直接运行.py文件的区别详解

    对Python的交互模式和直接运行.py文件的区别详解

    今天小编就为大家分享一篇对Python的交互模式和直接运行.py文件的区别详解,具有很好的参考价值,希望对大家有所帮助。一起跟随小编过来看看吧
    2019-06-06
  • python设置环境变量的作用整理

    python设置环境变量的作用整理

    在本篇文章里小编给大家整理的是关于python设置环境变量的作用整理内容,需要的朋友们可以学习参考下。
    2020-02-02
  • Keras中的两种模型:Sequential和Model用法

    Keras中的两种模型:Sequential和Model用法

    这篇文章主要介绍了Keras中的两种模型:Sequential和Model用法,具有很好的参考价值,希望对大家有所帮助。一起跟随小编过来看看吧
    2020-06-06
  • anaconda中Conda创建虚拟环境的实现步骤

    anaconda中Conda创建虚拟环境的实现步骤

    在Anaconda中,可以使用conda命令来创建和管理虚拟环境,本文主要介绍了anaconda中Conda创建虚拟环境的实现步骤,具有一定的参考价值,感兴趣的可以了解一下
    2023-12-12
  • selenium+python配置chrome浏览器的选项的实现

    selenium+python配置chrome浏览器的选项的实现

    这篇文章主要介绍了selenium+python配置chrome浏览器的选项的实现。文中通过示例代码介绍的非常详细,对大家的学习或者工作具有一定的参考学习价值,需要的朋友们下面随着小编来一起学习学习吧
    2020-03-03
  • Python利用ORM控制MongoDB(MongoEngine)的步骤全纪录

    Python利用ORM控制MongoDB(MongoEngine)的步骤全纪录

    MongoEngine是一个对象文档映射器(ODM),相当于一个基于SQL的对象关系映射器(ORM),下面这篇文章主要给大家介绍了关于Python利用ORM控制MongoDB(MongoEngine)的相关资料,需要的朋友可以参考下
    2018-09-09
  • Python标准库学习之operator.itemgetter函数的使用

    Python标准库学习之operator.itemgetter函数的使用

    operator.itemgetter是Python标准库operator模块中的一个函数,本文主要介绍了Python标准库学习之operator.itemgetter函数的使用,具有一定的参考价值,感兴趣的可以了解一下
    2024-07-07
  • Django values()和value_list()的使用

    Django values()和value_list()的使用

    这篇文章主要介绍了Django values()和value_list()的使用,具有很好的参考价值,希望对大家有所帮助。一起跟随小编过来看看吧
    2020-03-03

最新评论