實(shí)驗(yàn)3-4 數(shù)據(jù)結(jié)構(gòu)-張量

1）已知兩個(gè)張量[1,3,5,7]和[2,4,4,8],編寫一個(gè)模型，計(jì)算兩個(gè)張量的加法，輸出結(jié)果，并在tensorboard中顯示

2）已知張量[1,2,3,4,5,6,7,8,9,10,11,12]有12個(gè)元素，利用tf.reshape()將其形狀轉(zhuǎn)換為[2,3,2]的三維張量

要求：程序+截圖

1）已知兩個(gè)張量[1,3,5,7]和[2,4,4,8],編寫一個(gè)模型，計(jì)算兩個(gè)張量的加法，輸出結(jié)果，并在tensorboard中顯示

①第一步

TensorBoard是TensorFlow自帶的一個(gè)強(qiáng)大的可視化工具，也是一個(gè)web應(yīng)用程序套件。通過TensorFlow程序運(yùn)行過程中產(chǎn)生的日志文件可視化TensorFlow的程序運(yùn)行狀態(tài)，它與TensorFlow跑在兩個(gè)不同的進(jìn)程中。

啟動(dòng)tensorboard：

打開anaconda prompt：

激活環(huán)境activate tensorflow

切換到根目錄：cd /

切換到日志存放的目錄：cd log

查看文件：dir

啟動(dòng)tensorboard：tensorboard --logdir=C:\log

TensorBoard目前支持7種可視化，即SCALARS、IMAGES、AUDIO、GRAPHS、
DISTRIBUTIONS、HISTOGRAMS、EMBEDDINGS，這七種可視化的主要功能如下：

lSCALARS:展示訓(xùn)練過程中的準(zhǔn)確率、損失值、權(quán)重/偏置的變化情況
lIMAGES:展示訓(xùn)練過程中的圖像
lAUDIO：展示訓(xùn)練過程中的音頻
lGRAPHS:展示模型的數(shù)據(jù)流圖，以及訓(xùn)練在各個(gè)設(shè)備上消耗的內(nèi)存和時(shí)間
lDISTRIBUTIONS:展示訓(xùn)練過程中記錄的數(shù)據(jù)的分布圖
lHISTOGRAMS:展示訓(xùn)練過程中記錄的數(shù)據(jù)的柱狀圖
lEMBEDDINGS:展示此向量后的投影分布

計(jì)算圖的概念

計(jì)算圖實(shí)際上描述的是需要依次完成的計(jì)算單元以及這些計(jì)算單元之間的相互依賴關(guān)系。由一組節(jié)點(diǎn)和一組有向邊構(gòu)成。

①每一個(gè)計(jì)算都被稱為節(jié)點(diǎn)（operation，簡(jiǎn)稱op）

②節(jié)點(diǎn)之間的邊描述了計(jì)算之間的依賴關(guān)系

③一個(gè)節(jié)點(diǎn)獲得0 個(gè)或多個(gè)張量，產(chǎn)生0 個(gè)或多個(gè)張量

計(jì)算圖描述了一組需要依次序完成的計(jì)算單元以及這些計(jì)算單元之間相互依賴的關(guān)系。圖中的節(jié)點(diǎn)表示某一具體的計(jì)算單元，如張量以及張量之間的乘積，點(diǎn)積等。

計(jì)算圖中的節(jié)點(diǎn)就是操作（Operation）

一次加法是一個(gè)操作
一次乘法是一個(gè)操作
構(gòu)建一些變量的初始值也是一個(gè)操作
每個(gè)運(yùn)算操作都有屬性，它在構(gòu)建圖的時(shí)候就需要確定下來
操作也可以和計(jì)算設(shè)備綁定，指定操作在某個(gè)設(shè)備上執(zhí)行
操作之間存在順序關(guān)系，這些操作之間的依賴就是“邊”
如果操作A的輸入是操作B執(zhí)行的結(jié)果，那么這個(gè)操作A就依賴于操作B。

TensorBoard的啟動(dòng)：
不需要額外安裝，安裝TensorFlow時(shí)已自動(dòng)完成。
在Anaconda Prompt中先進(jìn)入日志存放的目錄，再運(yùn)行TensorBoard，并將日志的地址指向程
序日志輸出的地址，命令為：tensorboard--logdir= /path/log（路徑自己定）

啟動(dòng)tensorboard服務(wù)的端口默認(rèn)為為6006，
通過--port參數(shù)可以改變啟動(dòng)服務(wù)的端口

②第二步

import tensorflow as tf #清除default graph和不斷增加的節(jié)點(diǎn) tf.reset_default_graph()#logdir改為自己機(jī)器上的合適路徑 logdir = 'C:/log' #定義一個(gè)簡(jiǎn)單的計(jì)算圖，實(shí)現(xiàn)兩個(gè)張量的加法 a = tf.constant([1,3,5,7],dtype = tf.int32) b = tf.constant([2,4,4,8],dtype = tf.int32) result = tf.add(a,b) with tf.Session() as sess:print(sess.run(result)) #生成一個(gè)寫日志的writer，并將當(dāng)前的TensorFlow計(jì)算圖寫入日志 writer = tf.summary.FileWriter(logdir,tf.get_default_graph()) writer.close()

③第三步

TensorBoard是一個(gè)在本地啟動(dòng)的服務(wù)，啟動(dòng)完成后在瀏覽器輸入網(wǎng)址：http://localhost:6006（一般都是電腦名稱）即可進(jìn)行訪問。

查看TensorBoard內(nèi)所執(zhí)行完畢的計(jì)算圖

?

2）已知張量[1,2,3,4,5,6,7,8,9,10,11,12]有12個(gè)元素，利用tf.reshape()將其形狀轉(zhuǎn)換為[2,3,2]的三維張量

import tensorflow as tf #導(dǎo)入tensorflow類庫，別名為tf #定義c1是一維張量，共有12個(gè)元素 c1 = tf.constant([1,2,3,4,5,6,7,8,9,10,11,12],dtype = tf.float32,name = "c1") c2 = tf.reshape(c1,[2,3,2]) with tf.Session() as sess:sess.run(tf.global_variables_initializer())print(sess.run(c1))print(sess.run(c2))

?

總結(jié)

以上是生活随笔為你收集整理的TensorFlow实验（2）的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。