Bokarohttps://morvanzhou.github.io/tutorials/machine-learning/tensorflow/4-2-tensorboard2/
产品目录
关键点?
制做输出源?
在 layer 中为 Weights, biases 增设变动图象?
增设loss的变动图?
给大部份体能训练图分拆?
体能训练统计数据?
在 tensorboard 中查阅效用?
完备标识符
特别注意:?此栏文本会加进应用程序, 所以与 tensorboard 相容的应用程序是 Google Chrome. 采用其它的应用程序不确保大部份文本都能恒定表明.
上一则【广度自学】Tensorboard 建模RTUs1说到了 怎样建模TesorBorad整座数学模型内部结构的操作过程。 只不过tensorboard还能建模体能训练操作过程( biase变动操作过程) , 这节重点项目讲呵呵建模体能训练操作过程的工具栏是怎样做的 。请看右图, 这是怎样努力做到的呢？
在histograms里头他们还能看见更多的layers的变动:
（P.S. 灰猫采用的 tensorflow v1.1 表明的效用可能和视频中的不太一样， 但是 tensorboard 的采用方法的是一样的。）
这里还有一个events , 在这次练习中他们会把 整座体能训练操作过程中的误差值（loss）在event里头表明出来, 甚至你能表明更多你想要表明的东西.
好了, 开始练习吧, 此栏文本包括:
由于这节他们观察体能训练操作过程中数学模型的变动, 所以首先要添一些模拟统计数据. Python 的 numpy 工具包能帮助他们制造一些模拟统计数据. 所以他们先导入这个工具包:
然后借助 np 中的产生随机的数字, 同时为了模拟更加真实他们会添加一些噪声, 这些噪声是通过随机产生的.
输出源的问题解决之后, 他们开始制做对和的变动图象吧. 他们期望能努力做到如下的效用, 那么首先从 layer1/weight 做起吧
这个效用是怎样努力做到的呢,请看下一个标题
通过上图的观察他们发现每个 layer 后面有有一个数字: layer1 和layer2
于是他们在方法中添加一个参数?,用来标识层数, 并且用变量?代表其每层的名名称, 标识符如下:
接下来,他们层中的增设变动图, tensorflow中提供了方法,用来绘制图片, 第一个参数是图象的名称, 第二个参数是图象要记录的变量
同样的方法他们对进行绘制工具栏:
至于?能不绘制. 他们对output 采用同样的方法:
最终经过他们的修改 ,?方法成为如下的样子:
修改之后的名称会表明在每个tensorboard中每个图象的上方表明, 如右图所示:
由于他们对?添加了一个参数, 所以修改之前调用函数的地方. 对此处进行修改:
添加参数后, 修改成为 :
?的变动图和之前增设的方法略有不同. loss是在tesnorBorad 的event下面的, 这是由于他们采用的是?方法.
观看loss的变动比较重要. 当你的loss呈下降的趋势,说明你的数学模型体能训练是有效用的.
修改后的标识符片段如下：
接下来， 开始分拆打包。方法会对他们大部份的分拆到一起. 因此在原有标识符片段中添加：
假定给出了并且体能训练1000次.
以上这些仅仅能记录很绘制出体能训练的图象， 但是不会记录体能训练的统计数据。 为了较为直观表明体能训练操作过程中每个参数的变动，他们每隔上50次就记录一次结果 , 同时他们也应特别注意, merged 也是需要run 才能发挥作用的,所以在for循环中写下：
最后修改后的片段如下：
程序运行完毕之后, 会产生logs产品目录 , 采用命令?
特别注意:?此栏文本会加进应用程序, 所以与 tensorboard 相容的应用程序是 Google Chrome. 采用其它的应用程序不确保大部份文本都能恒定表明.
同时特别注意, 如果采用或者 tensorboard 中表明的网址打不开的朋友们, 请采用?, 大多数朋友都是这个问题.
会有如下输出:
将输出中表明的URL地址粘贴到应用程序中便能查阅. 最终的效用如下:
?
发表评论