摘要：什么是数据流图使用符号计算图，这与相似，不过与相比，更简洁。这两种元素在数据流图中有自己各自的作用，其中节点代表对数据所做的运算或某种算子。
1.1 什么是数据流图
TensorFlow使用符号计算图，这与Theano相似，不过与Theano相比，TensorFlow 更简洁。TensorFlow 的名字本身描述了它自身的执行原理: Tensor (张量)意味着N维数组，Flow (流)意味着基于数据流图的计算。数据流图中的图就是我们所说的有向图，在图这种数据结构中包含两种基本元素:节点和边。这两种元素在数据流图中有自己各自的作用，其中节点代表对数据所做的运算或某种算子(Operation)。另外，任何一种运算都有输人/输出，因此它也可以表示数据输人的起点或输出的终点。而边表示节点与节点之间的输人1输出关系，一种特殊类型的数据沿着这些边传递。这种特殊类型的数据在TensorFlow中被称为Tensor,即张量，所谓的张量通俗点说就是多维数组。
当我们向这种图中输人张量后，节点代表的操作就会被分配到计算设备完成计算，下面就是一个简单的数据流图。
1.2 TensorFlow实现数据流图上面的图写成代码如下所示：
import tensorflow as tf
a = tf.constant(2)
b = tf.constant(4)
c = tf.multiply(a, b)
d = tf.add(a, b)
e = tf.add(c, d)
with tf.Session() as sess:
print(sess.run(e))
"""
输出>>>
14
"""
1.3 可视化数据流图
想要看见，需要使用一个工具——TensorBoard，这个工具已经在你安装tensorflow的时候带上了，不用再安装了。
是什么？干什么？怎么用？写代码！
import tensorflow as tf
a = tf.constant(2, name="input_a")
b = tf.constant(4, name="input_b")
c = tf.multiply(a, b, name="mul_c")
d = tf.add(a, b, name="add_d")
e = tf.add(c, d, name="add_e")
with tf.Session() as sess:
print(sess.run(e))
writer = tf.summary.FileWriter("board", sess.graph) # tf.summary这个模块就是用来可视化的，不要为什么
writer.close()
"""
输出>>>
14
"""
运行代码，会在制定的目录board生成log文件（文件名也可以改成其他的，随你）
可以看到，再board目录下生成了一个log文件，怎么用呢，双击可不行，来跟我左手右手一个慢动作
启动你的cmd （win键+r键），进入对应的目录，输入 tensorboard --logdir="board"
（这个board你可以改成其他名字，对应代码里的也要改。）
][4]
访问 http://localhost:6006 (不要访问cmd上的http://LAPTOP-BBMBSKKI:6006/，可能打不开在一些浏览器，反正我的chrome里打不开，uc可以)
得到下图的界面
文章版权归作者所有，未经允许请勿转载,若此文章存在违规行为，您可以联系管理员删除。
转载请注明本文地址：https://www.ucloud.cn/yun/45160.html
当谈到机器学习和深度学习时，TensorFlow是最受欢迎的框架之一。它是由Google开发的一个开源软件库，用于构建和训练机器学习模型。TensorFlow是一个强大的工具，可以用于各种任务，包括图像识别、自然语言处理、语音识别等等。在这篇文章中，我们将探讨一些TensorFlow的编程技术，以帮助您更好地利用这个强大的框架。 1. 安装TensorFlow 首先，您需要安装TensorFl...
当谈到机器学习和人工智能时，TensorFlow是一个非常流行的编程框架。它是由Google开发的一个开源库，被广泛用于构建深度学习模型。在本文中，我们将探讨使用TensorFlow的一些编程技巧。 1. 定义计算图 TensorFlow的核心概念是计算图。计算图是一个由节点和边组成的有向无环图，其中节点表示操作，边表示数据流。在TensorFlow中，我们首先定义计算图，然后执行该图以获得结...
摘要：第一个主流产品级深度学习库，于年由启动。在年月日宣布，的开发将终止。张量中最基本的单位是常量变量和占位符。占位符并没有初始值，它只会分配必要的内存。是一个字典，在字典中需要给出每一个用到的占位符的取值。 为什么选择 TensorFlow？在本文中，我们将对比当前最流行的深度学习框架（包括 Caffe、Theano、PyTorch、TensorFlow 和 Keras），帮助你为应用选择最合适...
摘要：代表图中的一个节点，用于计算张量数据可以由节点构造器与产生。例如表示创建了一个类型为的，该接收和作为输入，而产生作为输出。是否能在该作用域内创建新对象由决定。 一.tensorboard简介 tensorboard是tensorflow自带的一个强大的可视化工具，也是一个web应用套件支持七种可视化包括 SCALARS(标量)、IMAGES(图像)、AUDIO(音频)、GRAPHS(数...
摘要：在本教程中，我会介绍如何只使用低级别的工具从零开始构建卷积神经网络，以及使用可视化我们的计算图和网络的表现。选择模型接下来，我必须决定使用哪个卷积神经网络的模型。实质上，大多数卷积神经网络都包含卷积和池化。 如果使用TensorFlow的所有较高级别的工具，例如tf.contrib.learn和Keras，你可以轻松地使用非常少量的代码来构建卷积神经网络。但是经常使用这些较高级别的应用，你就...
阅读 3227·2021-11-15 11:37
阅读 2448·2021-09-29 09:48
阅读 3811·2021-09-22 15:55
阅读 3013·2021-09-22 10:02
阅读 2634·2021-08-25 09:40
阅读 3223·2021-08-03 14:03
阅读 1691·2019-08-29 13:11
阅读 1568·2019-08-29 12:49
