TensorBoard-可视化简单例子

一、代码例子
# -*- coding: utf-8 -*-
"""
Created on Tue Apr 18 18:50:24 2017

@author: YDD
"""
'''
生成一个文件，保存在‘logs/’文件里面（此处我的logs为：G:\Spyder_文件集\logs）
然后在命令行终端(cmd)中运行该文件(tensorboard --logdi='logs/')回车，拷贝网址（http://169.254.61.28:6006），选择GRAPH,即可显示
'''
import tensorflow as tf
#import numpy as np
#import matplotlib.pyplot as plt

sess = tf.Session()

def add_layer(inputs, in_size,out_size,activation_function=None):
    with tf.name_scope('layer'):
        with tf.name_scope('weights'):
            Weights = tf.Variable(tf.random_normal([in_size,out_size]))#随机初始值的一个矩阵。
        with tf.name_scope('biases'):
            biases = tf.Variable(tf.zeros([1, out_size]) + 0.1) #初始值都是0.1的一个列表.
        with tf.name_scope('Wx_plus_b'):
            Wx_plus_b = tf.matmul(inputs, Weights) + biases  #未被激活的值，存在Wx_plus_b中。
        if activation_function is None:
            outputs = Wx_plus_b
        else:
            outputs = activation_function(Wx_plus_b)
        return outputs
#自己定义了所有的数据。
#x_data = np.linspace(-1,1,300)[:,np.newaxis]  #建造输入，-1到1区间300个单位【维度】，一个特性有300个例子。
#noise = np.random.normal(0,0.05,x_data.shape)  #噪声，方差是0.05，格式和x_data一样。
#y_data = np.square(x_data)-0.5 + noise   #输出y=x^2 -0.5+noise.

with tf.name_scope('inputs'):
    xs = tf.placeholder(tf.float32,[None,1],name='x_input')
    ys = tf.placeholder(tf.float32,[None,1],name='y_input')

#建立一个隐藏层hidden1（10个神经元），一个输出层prediction（1个神经元）
hidden1 = add_layer(xs,1,10,activation_function=tf.nn.relu) #激活函数选择tf.nn.relu。（可尝试其他激活函数，选择误差结果较小最好）
prediction = add_layer(hidden1,10,1,activation_function=None)
with tf.name_scope('loss'):
    loss = tf.reduce_mean(tf.reduce_sum(tf.square(ys-prediction),
                         reduction_indices=[1]))  #求一个预测值的平方误差，然后将所有的平方误差求和，最后求和的一个平均值。
with tf.name_scope('train_step'):
    train_step = tf.train.GradientDescentOptimizer(0.1).minimize(loss)   #学习的速率为0.1.

# 这里注意和教程有点差别！！#选定可视化存储目录
writer = tf.summary.FileWriter("logs/",sess.graph)

init = tf.global_variables_initializer()
sess.run(init)

二、运行代码，生成文件




三、命令行终端，找到该文件路径下，运行文件



四、复制网址，并网页打开查看可视化结果



（参考  http://v.youku.com/v_show/id_XMTYxMTYwMjEwMA==.html?f=27327189&o=0&spm=a2h1n.8251843.playList.5!17~5~A）

8cf5